大模型知识增强的多尺度图神经网络中文健康谣言识别研究

[目的] 为了实现谣言的早期识别，探索基于文本内容的谣言识别模型和方法。[方法] 提出一种大模型知识增强的多尺度图神经网络中文健康谣言识别模型。该模型首先为单条文本构建文本图，捕捉句子中的隐藏信息；然后通过提示工程抽取文本中的实体信息进行知识增强；最后采用多尺度图神经网络模型，结合特征分解，进行谣言识别。[结果] 本研究所提模型在CHECKED和LTCR两个数据集上的准确性分别达到了95.21%和87.39%，优于所选基准模型。[局限] 本研究所提模型仅基于文本信息进行谣言识别，未使用图像、视频等多模态信息。[结论]利用大模型进行知识增强既能更加快速便捷的抽取实体还能够提高句子的语义信息，利用具有特征分解的多尺度图神经网络能够在捕捉多尺度特征的基础上保持计算的稳定性，对单条语料构建文本图更加灵活便捷，本研究利用上述步骤在中文健康谣言识别中表现良好。