文献综述
一．虚假新闻的检测模型
1.假新闻检测模型CCNN
CCNN 模型结构主要由两个部分组成：一个是由卷积层构成的特征提取和特征聚类模块，一个是由双向记忆神经网络来采集时序特征的模块。
CCNN 模型整体流程如下：
（1）数据获取和标签标注
（2）文本预处理：先分词（jieba，结巴分词），再将自然语言的文本进行数字向量化并对齐所有句子长度，然后使用预训练词向量矩阵化。
（3）特征提取：通过 CNN 对输入文本进行的卷积操作，不同大小的卷积核能提取到不同种类的特征，在经由池化降维处理之后，再采用基于双中心损失函数将特征进行聚类。与此同时进行的还有使用双向循环神经网络（RecurrentNeural Network，RNN）对输入文本进行全局时序特征的采集。然后将以上卷积神经网络和循环神经网络两个部分采集到的不同特征作特征拼接融合，融合之后的特征作为输入文本最后的分类特征。
（4）分类结果：利用全连接层和改进之后的均匀损失函数训练模型分类器，并得出最终结果。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
