虚假新闻的自动检测是欺骗检测中一个具有挑战性的问题。在评估基于深度学习的模型的性能时，如果所有模型在测试数据集上都提供了更高的准确性，那么将更难验证所考虑的深度学习模型的性能。因此，我们需要一个复杂的问题来验证深度学习模型的性能。LIAR是一个如此复杂、最新的标记基准数据集，可公开用于研究虚假新闻检测，以建模统计和机器学习方法来对抗虚假新闻。在这项工作中，使用CNN、LSTM、BiLSTM等深度神经网络模型实现了一个新的虚假新闻检测系统，并通过使用LIAR的训练、验证和测试数据集分析其在准确性、准确性、召回率和F1-score方面的性能来评估其注意机制的性能<\/p> “，”DOI“：”10.4018\/ijcini.295809“，”type“：”journal-article“，”created“：{”date-parts“：[2022,1,4]]，”date-time“：”2022-01-04T19:53:37Z“，”timestamp“：1641326017000}，”page“：“1-25”，“source”：“Crossref”，“is-referenced-by-count”：2，“title”：[“基于注意力的深度学习模型用于检测社交网络中的虚假新闻”]，“前缀”：“10.4018”，“volume”：“15”author“：[{”ORCID“：”http://\/ORCID.org\/00000-0003-0677-0826“，”authenticated-ORCID“：true，”given“：“S.P.”，”sequence“：”first“，”affiliation“：[[{“name”：“Periyar Maniammai Institute of Science and Technology，India”}]}，{“given”：“R.”，“family”：“Eswari”，“sequence”：“additional”，“affiliance”：[{“名称”：“印度蒂鲁奇拉帕利国立理工学院“}]}]，“member”：“2432”，“container-title”：[“International Journal of Cognitive Informatics and Natural Intelligence”]，“原始标题”：[]，“language”：“ng”，“link”：[{“URL”：“https:\/\/www.igi-global.com\/viewtitle.aspx？TitleId=295809”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,16]]，”date-time“：”2023-01-16T21:56:40Z“，”timestamp“：1673906200000}，”score“：1，”resource“：{“primary”：{“URL”：“https:\/\/services.igi-global.com/resolvedoi\/resolve.aspx？doi=10.4018\/IJCINI.295809”}}，“subtitle”：[“”]，“shorttitle”：[]，“已发布”：{“日期部分”：[[2022,1,31]]}，“references-count“：0，”journal-issue“：{”issue“：“4”，“published-print”：{“date-parts”：[[2021,10]]}}，“URL”：“http://\/dx.doi.org\/10.4018\/ijcini.295809”，“relationship”：{}，”ISSN“：[”1557-3958“，”1557-3.966“]，”ISSN-type“：[{”value“：”1557-39“，”type“”：“print”}，{“value”：“”1557-3966“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[2022,1,31]]}}}