基于两阶段分类的虚假新闻检测研究OA北大核心CHSSCDCSSCICSTPCD

[目的/意义]本文探索一个有效处理混合标签及复杂样本的分类模型,旨在为虚假新闻检测的实际应用和分类识别的理论方法提供新思路。[方法/过程]本文采用两阶段识别过程,通过减负训练方法对复杂样本进行分类。第一阶段从语义、主题和情感3个维度提取特征向量,构造多目标匹配优化模型,以Pareto有效为准则分离混合标签并建立强减负和弱减负环境;第二阶段分别在两种环境下构建异构图神经网络对复杂样本进行识别。[结果/结论]使用Fake News Corpus数据集验证得到:减负训练能明显提升神经网络的性能;两阶段过程可以有效处理混合标签。