；深度學習；特征提取中圖分類號：TP311? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）34-0071-03開放科學（資源服務）標識碼（OSID）0 引言自引入深度學習以來，多標簽文本分類方法已取得重大進展，但仍存在一些問題和挑戰(zhàn)。隨著標簽數(shù)量的增加，與每個文本相對應所有可能的標簽組合呈指數(shù)增長。在提取文本之后，使用哪種分類方法來提高文本分類的速度和準確性是其中一個挑戰(zhàn)。本文重點從多標簽文本分類方法出發(fā)闡述其優(yōu)缺點。1 多標簽文本分

假新聞檢測；特征提取；特征融合；多模態(tài)分析分類號：TP391引用格式：曾江峰， 王蕊， 黎欣雨， 等. 融合BERT和VGG模型多模態(tài)虛假新聞檢測方法研究[J/OL]. 知識管理論壇， 2023， 8（6）： 502-513[引用日期]. http：//www.kmf.ac.cn/p/367/.習近平總書記在二十大報告中強調(diào)，要加強全媒體傳播體系建設，推動形成良好網(wǎng)絡生態(tài)[1]?；ヂ?lián)網(wǎng)的普及推動了信息傳播的發(fā)展，覆蓋了更為廣泛的受眾，但這些信息的真實性、準

背景差分法；特征提取中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-3044（2023）31-0018-04開放科學（資源服務）標識碼（OSID） ：0 引言在國內(nèi)除了通過圖像處理的方式對立定跳遠的成績進行測量，在國內(nèi)幾乎沒有人通過圖像處理的方式對立定跳遠各個環(huán)節(jié)的規(guī)范性進行研究。而在國外都是較多地從生物動力學的角度