Abstract：
互联网宽松环境下社交网络语言攻击频发,在极大地占用公共资源的同时传递了负面情绪,不利于网民的理性思考,智能识别并采取相应措施能够避免社交网络语言攻击进一步扩散.为了解决社交网络攻击性言论的识别问题,针对网络用语的创新性、不规范性特点,使用BERT文本嵌入作为输入来训练文本分类模型,建立字符级的Bi-LSTM和VDCNN融合文本分类模型,将序列信息和局部相关性信息融合起来,通过与单一Bi-LSTM模型、单一VDCNN模型,其他Bi-LSTM和VDCNN混合模型以及基于深度学习的文本分类器在新浪微博的粉丝攻击性言论数据集上进行对比实验,验证了Bi-LSTM-VDCNN的优越性和有效性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报（哲学社会科学版）
ISSN： 1002-3321
CN： 35-1048/C
Year： 2022
Issue： 6
Volume： 36
Page： 76-83
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 17
Affiliated Colleges：
