一种面向“信息疫情”不实信息甄别的三分类混合迁移学习方法及系统

本发明提供一种面向“信息疫情”不实信息甄别的三分类混合迁移学习方法及系统，涉及信息管理技术领域，包括：使用融合后的数据，并根据常规的“虚假”或“真实”标签，进行二分类训练，以构建预训练模型；在微调模型中，通过“未确定”类别用于分类无法明确判定为“虚假”或“真实”的记录；利用预训练模型的BERT层生成的融合“信息疫情”关键词和常规不实信息的文本输出；结合BERT模型、TextCNN模型和fastText模型，对BERT模型的输入特征进行处理，利用微调模型对处理后的特征进行训练，将“信息疫情”相关的数据细分为“未确定”、“虚假”或“真实”三类。本发明可以更精准地甄别“信息疫情”中的不实信息，增加方法的实际应用效果。