基于双层注意力重加权 LSTM 的中文长文本谣言检测模型虚假信息在社交媒体上传播迅速,会对公众的行为及对社会事件的反应产生负面影响。长文本假新闻由于信息复杂,难以全面识别,现有的检测方法存在不足。针对上述现象,本文提出一种基于双层注意力重加权的长文本谣言检测模型。模型采用双层双向 LSTM 架构,通过第一层 LSTM 提取基础语义特征并结合 Tanh 非线性变换与线性层计算词级注意力权重定位关键区域;第二层 LSTM 以 Sigmoid 门控网络生成的动态特征权重与第一层注意力权重重加权后的特征为输入,进一步强化深层语义关联;最终拼接两层注意力的全局池化特征,