本研究提出了一种结合贝叶斯算法与双向门控循环单元的优化变压器模型，针对虚假新闻分类问题。实验结果表明，该模型准确率达到99.73%，显著优于传统方法，显示出对抗虚假新闻的潜力。

该研究提出了一个模型，将知识图谱与改进的注意机制相结合，解决了文本中的语义模糊问题。该模型在字符和词级别上运作，通过集成概念来加深对文本的理解。通过信息增益选择重要词，采用编码器 - 解码器框架对文本及相关概念进行编码。本地注意机制调整每个概念的权重，减少不相关或噪声概念的影响。改进了本地自注意机制中注意分数的计算公式，确保不同频率出现的词语获得更高的注意分数。最后，采用双向门控循环单元（Bi-GRU）从文本中提取特征，提高分类准确性。在多个数据集上展示了该模型在分类任务中的有效性。