来源：期刊VIP网 时间：
作者：邱艳芳;赵振宇;孙志杰;马坤;纪科;陈贞翔;
单位：济南大学信息科学与工程学院;济南大学山东省泛在智能计算重点实验室;山东人才发展集团信息技术有限公司;
摘要：为了解决短文本新闻语义特征稀疏以及忽略了外部知识与短文本新闻语义之间同源关联性的问题，提出一种外部知识与内部上下文语义聚合的短文本新闻虚假检测模型(EKCS-ST),构建新闻特征信息网络，包含新闻主题、作者、实体3种外部知识，丰富短文本新闻语义特征，通过图卷积生成新闻的外部知识图特征；将新闻文本输入到文本编码器中捕获新闻内部上下文语义特征；将外部知识图特征和内部上下文语义特征用于上下文感知计算，加强外部知识与上下文语义的关联性；使用注意力机制筛选和加强新闻关键特征，并且通过调高少数类新闻的损失误差，缓解数据不均衡问题。结果表明，本文所提模型的F_1值即精确率和召回率的调和平均值为0.86,比BERT、 TextGCN等模型分别高18%、 17%,验证了模型的有效性。
关键词：短文本新闻虚假检测;;外部知识;;注意力机制;;语义特征
基金资助：国家自然科学基金项目(72471103);; 山东省自然科学基金创新发展联合基金(ZR2022LZH016);; 山东省重点研发计划重大创新工程(2021CXGC010103)
