贝叶斯视角下基于不确定性量化的可信谣言检测方法

本申请涉及一种贝叶斯视角下基于不确定性量化的可信谣言检测方法。该方法首先提出利用贝叶斯神经网络框架，实现对检测模型与数据的不确定性量化分析，突破传统方法局限的同时提升了预测结果的可靠性；其次构建了基于BERT模型和Transformer架构的贝叶斯神经网络，该网络增强了模型对文本数据的语义解析能力，为提升文本分类等下游任务的效能奠定了基础；最后采用变分推理技术对计算流程进行优化，有效缓解了贝叶斯化后神经网络参数激增所引发的计算效率不高问题。在两个常规数据集和两个困难数据集上的实验结果与分析表明，该方法取得了较好的性能，可为谣言检测等类似工作中的不确定性量化分析提供技术参考，具有一定的通用性。