一、摘要在社交媒体上的虚假信息检测具有挑战性，因为它通常需要烦冗的证据收集，但又缺乏可用的比较信息。从用户评论中挖掘出的线索作为群体智慧，可能对这项任务有相当大的好处。然而，考虑到内容和评论的隐式相关性，捕获复杂的语义是很简单的。虽然深度神经网络具有较好的表达能力，但缺乏可解释性是其主要的缺点。本文主要关注如何从社交媒体上的帖子内容和相关评论中学习，以更有效地理解和检测虚假信息，并具有可解释性。因此，本文提出了一种基于量子概率的符号注意网络（QSAN），该网络将量子驱动的文本编码和一种新的符号注意机制集成在一个统一的框架中。QSAN不仅能够区分重要的评论和其他的评论，而且还可以利用评论中相互冲

一、摘要在社交媒体上的虚假信息检测具有挑战性，因为它通常需要烦冗的证据收集，但又缺乏可用的比较信息。从用户评论中挖掘出的线索作为群体智慧，可能对这项任务有相当大的好处。然而，考虑到内容和评论的隐式相关性，捕获复杂的语义是很简单的。虽然深度神经网络具有较好的表达能力，但缺乏可解释性是其主要的缺点。本文主要关注如何从社交媒体上的帖子内容和相关评论中学习，以更有效地理解和检测虚假信息，并具有可解释性。因此，本文提出了一种基于量子概率的符号注意网络（QSAN），该网络将量子驱动的文本编码和一种新的符号注意机制集成在一个统一的框架中。QSAN不仅能够区分重要的评论和其他的评论，而且还可以利用评论中相互冲

写这篇文章也是因为踩坑浪费了不少时间，难度一星，坑爹五星，把这个网站拎出来给大家避个雷，来自工作中需要抓取的一个网站https://www.gdtv.cn/search?key=珠江新闻眼找请求没啥好说的，这个接口：https://gdtv-api.gdtv.cn/api/search/v1/newspython模拟请求老爬虫操作都是从浏览器控制台copyasurl到postman再生成python-requests代码nm的诡异现象来了，postman发出的请求永远正常，复制代码发出的请求永远401我的噩梦来了，先是拿出charles抓包看两次请求不一样的地方，再就是使用文本对比看两次cur

写这篇文章也是因为踩坑浪费了不少时间，难度一星，坑爹五星，把这个网站拎出来给大家避个雷，来自工作中需要抓取的一个网站https://www.gdtv.cn/search?key=珠江新闻眼找请求没啥好说的，这个接口：https://gdtv-api.gdtv.cn/api/search/v1/newspython模拟请求老爬虫操作都是从浏览器控制台copyasurl到postman再生成python-requests代码nm的诡异现象来了，postman发出的请求永远正常，复制代码发出的请求永远401我的噩梦来了，先是拿出charles抓包看两次请求不一样的地方，再就是使用文本对比看两次cur