基于情感分析和Transformer模型的微博谣言检测

冯茹嘉，张海军，潘伟民

(新疆师范大学计算机科学技术学院，新疆 乌鲁木齐 830054)

0 引 言

21世纪作为一个互联网发展的时代，各类社交应用蓬勃发展并快速扩张，它以共享、开放、便捷、及时等特性为人们获取各种信息提供了一个方便的平台。然而，信息发布和传播的便捷性也方便了谣言会在被发现之前的短时间内爆发性传播，使人们获取真实可靠的信息变得困难，甚至在某些特殊情况下引起公众恐慌或造成经济损失。比如2020年1月，新型冠状肺炎爆发，有人通过社交网络传播各种不实信息，引起社会恐慌，造成了极其恶劣的影响。因此，针对谣言可能造成的恶劣影响，尽快构造自动检测模型来识别社交媒体上的谣言是刻不容缓的。

目前，关于“谣言”，并没有一个明确的概念。百度百科将“谣言”定义为没有相应事实基础，却被捏造出来并通过一定手段推动传播的言论。本文中所讨论的谣言是指那些没有事实根据、凭空捏造的或者有一定事实根据，却被发布者进行了夸大扭曲的、偏离了事件真相的言论。

当前的谣言检测工作的主流手段主要包括机器学习和深度学习2种方法。机器学习的方法需要依赖于手工提取谣言特征，从而建立谣言检测模型分类器。该方法较为耗费时间，且手工提取的特征往往只能在限定的情形下使用，难以保证高效率。深度学习的方法是使用神经网络自动学习有效的特征来进行谣言检测。常用的神经网络如循环神经网络(RNN)和卷积神经网络(CNN)，都可以高效自动地提取谣言文本特征。……