摘要
本申请公开了一种信息处理方法、装置及电子设备,涉及数据处理技术领域,用以提高对社交媒体中的虚假信息检测的准确度。该方法包括:获取待识别的文本数据,并获取文本数据对应的发布账户的用户特征;采用预设的双向长短期记忆网络Bi‑LSTM获得文本数据对应的第一特征,以及采用预设的卷积神经网络提取第一特征对应的第二特征;基于第二特征获得文本数据对应的情绪类别;基于用户特征和情绪类别,获得文本数据为虚假信息的概率值。基于Bi‑LSTM网络和卷积神经网络,能够提取到待识别的文本数据的细粒度级的语义特征,从而更好地实现对用户情绪类别的预测,将情绪类别应用于虚假信息的识别中,进而提高了虚假信息识别的准确度。
技术关键词
双向长短期记忆网络
文本
卷积神经网络提取
账户
分类模型构建
信息处理方法
分类器
电子设备
信息处理装置
数据处理技术
模糊集合
处理器
语义特征
识别模块
可读存储介质
存储器
社交
媒体
系统为您推荐了相关专利信息
谣言检测方法
双向长短期记忆网络
原型
非线性特征
更新模型参数
多任务
策略网络模型
多智能体系统
状态编码器
深度强化学习
面向威胁情报
知识图谱构建方法
文本
编码器
嵌入特征
文档查重方法
摘要
文本
语义特征提取
大语言模型
连铸工艺
参数预测方法
三元组
非结构化文本
实体对齐模型