兼顾准确率与可解释性
结合传统机器学习的可解释性与深度学习的表征能力，为虚假信息检测提供多角度解释依据。
柴一栋 · Yi, Liu · Li, Weifeng · Zhu, Bin · 刘红岩 · 姜元春
Expert Systems with Applications 2024
模型将传统机器学习的可解释优势与深度学习的表征能力结合，在实验数据集上取得比单纯深度学习更高的准确率。
利用神经主题模型获取主题语义表示，并用注意力机制提取序列句法表示，提供丰富的可解释角度。
模型输出的多角度解释可直接帮助内容审核、欺诈调查等业务决策，无需额外解读步骤。