人工智能应用基础（PaddlePaddle版）课件：RNN实现谣言监测.pptxVIP

下载本文档

1
0
约1.11千字
约 9页
2025-11-06 发布于山东
举报
版权申诉

人工智能应用基础（PaddlePaddle版）课件：RNN实现谣言监测.pptx

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

RNN实现谣言监测

RNN实现谣言监测0102循环神经网络LSTM模型

一、循环神经网络循环神经网络，简称RNN，是一种对时间序列显示建模的神经网络，主要对文本语义和时序信息进行处理和预测，通常情况下与自然语言处理相互结合使用，循环神经网络包含输入层、隐藏层和输出层。

一、循环神经网络以语言翻译为例，若需要翻译语句ABCD，此时循环神经网络的第一段每一个时刻的输入就分别是A、B、C和D，用“_”作为待翻译语句的结束符，在第一段中循环神经网络只有输入没有输出，从结束符“_”开始，循环神经网络进入翻译阶段，此时每一个时刻的输入是上一个时刻的输出，最终得到的输出XYZ就是语句ABCD翻译的结果，翻译输出结束符“_”时表示翻译结束。

二、LSTM模型长短时记忆神经网络简称LSTM，是循环神经网络的一个变体，能够有效地解决长期依赖问题/梯度消失问题。LSTM模型的关键是引入了一组记忆单元（MemoryUnits），允许网络可以学习何时遗忘历史信息，何时用新信息更新记忆单元。在时刻t时，记忆单元ct记录了到当前时刻为止的所有历史信息，并受三个“门”控制：输入门it,遗忘门ft和输出门ot。三个门的元素的值在[0,1]之间。其核心为记忆（细胞状态）和门机制。

二、LSTM模型门(Gate)是一种可选地让信息通过的方式。它由一个Sigmoid神经网络层和一个点乘法运算组成。Sigmoid神经网络层输出0和1之间的数字，这个数字描述每个组件有多少信息可以通过，0表示不通过任何信息，1表示全部通过。遗忘门是决定从细胞状态中丢弃什么信息，同时查看ht-1（前一个隐藏状态）和xt(当前输入)并为状态Ct-1(上一个状态)中的每个数字输出0-1之间的数字，其中1表示完全保留，0表示彻底删除。输入门决定要在细胞状态中存储的信息，在输入过程中首先经过Sigmoid层，该层决定了将更新的值，之后tanh层创建候选向量，该向量会被加到细胞的状态中，最终结合这两个向量来创建更新值，输出门决定要输出的内容，通过Sigmoid层决定输出细胞状态中的内容，之后将细胞状态通过tanh并乘以Sigmoid门的输出。

三、任务实施传统的谣言检测模型一般根据谣言的内容、用户属性、传播方式人工地构造特征，而人工构建特征存在考虑片面、浪费人力等现象。本次实践使用基于循环神经网络（RNN）的谣言检测模型，将文本中的谣言事件向量化，通过循环神经网络的学习训练来挖掘表示文本深层的特征，避免了特征构建的问题，并能发现那些不容易被人发现的特征，从而产生更好的效果。1、任务背景

三、任务实施2、实验思路

感谢观看