dual emotion_aware rumor detection: 采用预训练模型获得情感嵌入向量，分别利用Bi-GRU和attention提取谣言语义特征和评论情感特征，再用CNN模型获取谣言和评论的情感特征，利用co-attention获取分别谣言语义与用户评论情感，谣言情感与用户情感的相关性，最后输出特征，连接进行分类

### 葛晓义,张明书,魏彬,刘佳. 基于双重情感感知的可解释谣言检测[J]. 中文信息学报, 2022, 36(9): 129-138.
GE Xiaoyi, ZHANG Mingshu, WEI Bin, LIU Jia. Dual Emotion-aware Method for Interpretable Rumor Detection. , 2022, 36(9): 129-138.

## **模型**

![输入图片说明](model-fig.png)
## **介绍** ：
在模型中分别利用Bi-GRU和attention提取谣言语义特征与评论情感特征，
再利用CNN提取提取谣言情感特征和用户评论情感特征，
最后利用两次co-attention学习两者的协同表示，
最后将所有特征连接分类
## **要求** ：
win10 + pycharm + pytorch + GPU2060

python = 3.7

torch = 1.6

sklearn = 0.24

numpy = 1.19.2

json = 2.0.9

## **架构** ：
#1.emotional embedding
文件是情感嵌入的预训练模型，源代码发布在[GitHub](http://github.com/armintabari/Emotional-Embedding) 
源代码是在python2 的环境下，此文件中是python3的环境下可运行代码。> Seyeditabari, A., Tabari, N., Gholizadeh, S., & Zadrozny, W. (2019). Emotional Embeddings: Refining Word Embeddings to Capture Emotional Content of Words. arXiv preprint arXiv:1906.00112.

英文训练好的[情感向量](https://pan.baidu.com/s/15IgOLNcSN4S-lJwHq1oRJA)，提取码：shq0；中文训练好的[情感向量](https://pan.baidu.com/s/1-wpVuLJo_027W-X9uV2xWA)，提取码：5pxs。

#2 .model.py
文件中是所有模型的类，部分代码是引用dEFEND模型的代码

#3.train.py
训练函数，输出一般性评价标准，并给出混淆矩阵

#4.utils.py
数据处理，对数据进行截断，补全等，分为中英文处理不同文件。

#5.utils_weibo.py
中文数据预处理

#6.config.py
参数设置，主要包括文件路径，文本长度，个数，learn_rate等参数设置.
## **引用** ：
Seyeditabari, A., Tabari, N., Gholizadeh, S., & Zadrozny, W. (2019). Emotional Embeddings: Refining Word Embeddings to Capture Emotional Content of Words. arXiv preprint arXiv:1906.00112.

Shu K, Cui L, Wang S, et al. dEFEND: Explainable Fake News Detection[A]. Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining[C]. Anchorage AK USA: ACM, 2019: 395–405.

wj_gxy/dual emotion_aware rumor detection

简介

发行版

贡献者

近期动态