基于双向胶囊网络的恶意评论检测

• 全文链接
• 请求原文

作   者：

李公瑾;  邵玉斌;  杜庆治;  龙华;  马迪南; 

作者机构：

昆明理工大学信息工程与自动化学院;  云南省媒体融合重点实验室; 

关键词：

BERT语言模型;  语境辅助特征;  双向胶囊网络;  恶意评论检测; 

期刊名称：

计算机工程与科学

i s s n：

1007-130X

年卷期：

2024 年 46 卷 010 期

页   码：

1765-1774

摘   要：

为了解决现有检测模型无法准确识别语言风格多变、语意隐晦的恶意评论问题，提出了一种基于双向胶囊网络的恶意评论检测模型。首先，利用BERT模型对评论文本进行词嵌入，创建输入矩阵；其次，将输入矩阵传递给双向特征提取层，该层由堆叠的LSTM、双向胶囊网络和注意力网络组成，从正向和反向同时捕获文本的深层语义信息，将生成的正向和反向矩阵拼接起来并输入到注意力机制中，聚焦与恶意评论相关的词语并生成输出向量；再次，拼接输出向量与语境辅助特征向量，丰富特征表示；最后，将拼接向量输入到全连接层中，通过Sigmoid激活函数对评论文本进行分类。在维基百科恶意评论数据集上进行的实验表明，相较于现有研究，基于双向胶囊网络的恶意评论检测模型性能提升显著，能够捕获评论文本中更丰富的语义信息，有效检测恶意评论。