基于对抗迁移学习模型的环境类虚假投诉检测

作者：范青武; 韩华政; 孙晓宁

来源：北京工业大学学报, 2023, 49(09): 999-1006.

• 投诉举报
• 文本分类
• 迁移学习
• 生成对抗网络
• 深度学习
• 长短期记忆(long-short term memory, LSTM)网络

为实现环境类虚假投诉举报检测，提出一种基于对抗迁移学习方法的虚假投诉举报检测模型。首先，以长短期记忆(long-short term memory, LSTM)网络为特征抽取器抽取微博谣言(源域)和投诉举报文本(目标域)的共享特征；然后，使用对抗学习方法进行领域适配，将源域特征和目标域特征进行特征对齐；最后，由分类器输出分类结果，并由分类损失和领域适配损失共同更新网络参数。通过模型对比实验和消融实验可知，模型的F1达到了79.61%。结果表明，对抗迁移学习模型具有较好的性能，适合应用在环境类虚假投诉举报检测任务中。

• 出版日期2023
• 单位北京工业大学