计算机工程与应用

作者：曲春来, 高敏洁, 李一飞, 董苏雅拉图, 曹正鑫, 袁媛, 阿雅娜, 徐琳琳

单位：1.内蒙古财经大学 计算机信息管理学院，呼和浩特 010070；2.内蒙古财经大学 区域数字经济与数字治理研究中心，呼和浩特 010070；

关键词：多语种,BERT模型,谣言识别,数据增强,深度学习

基金：国家自然科学基金地区科学基金项目（12265020，62466039）；教育部人文社会科学研究青年基金项目（20YJC860005）；内蒙古自治区高等学校青年科技英才支持项目（NJYT24066）；内蒙古自治区教育厅统计学一流学科科研专项项目（YLXKZX-NCD-011）；内蒙古自治区自然科学基金面上项目（2025MS01024）；内蒙古自治区自然科学基金博士基金项目（2023LHMS06018）；中央引导地方科技发展资金（2022ZY0172）。

目前跨语言环境中的谣言传播面临巨大挑战，现有方法在处理多语言数据时存在局限，难以有效捕获不同语言间的语义信息。为应对这一挑战，提出了一种基于BERT模型的多语种谣言识别方法，将基于语言特性的数据增强技术与预训练模型相结合，解决多语言环境下的谣言识别问题。该方法利用BERT出色的上下文语义捕捉能力，并结合针对不同语言特点设计的数据增强策略，有效缓解了翻译转换过程中产生的语义偏差。在中文、英文、法文等多语种疫情相关数据集上的实验评估表明，该方法在准确率、精确率、召回率和F1-score等多个评价指标上均优于传统机器学习方法及其他深度学习模型（如CNN和RNN）。还在小语种与多领域数据集上验证了模型在不同情景下的泛化能力。此外，对BERT模型注意力机制的可视化分析进一步验证了其在捕捉谣言文本关键信息方面的优势。不仅为跨语言信息环境下的谣言检测提供了一种有效的技术方案，也为小语种语言及动态谣言检测问题的进一步研究奠定了基础。

来源：2026年第6期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第6期