基于混合神经网络的突发公共卫生事件微博谣言识别研究

作     者：冯兰萍 董陈超 徐绪堪 Feng Lanping;Dong Chenchao;Xu Xukan

作者机构：河海大学商学院常州213022 东南大学经济管理学院南京211189 常州工业大数据挖掘与知识管理重点实验室常州213022 

出 版 物：《情报杂志》 (Journal of Intelligence)

年 卷 期：2022年第41卷第12期

页      面：81-88页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家社会科学重大基金项目“总体国家安全观下重大突发事件的智能决策情报体系研究”(编号:20&ZD125)子课题“总体国家安全观下重大突发事件智能决策情报体系的基本理论与方法研究”研究成果之一 

主　　题：公共卫生事件 微博谣言 谣言识别 多特征融合 混合神经网络 

摘      要：[研究目的]提高突发公共卫生事件中微博谣言识别效果,分析微博特征对谣言识别的影响,为公众识别谣言、政府及相关部门干预治理提供参考。[研究方法]在用户基本特征和内容特征、传播特征的基础上引入用户历史特征,构建基于混合神经网络的多特征融合谣言识别模型,该模型采用BiLSTM+CNN抽取代表性深度语义特征,与其他特征融合后,使用DNN网络进行谣言识别。[研究结论]实验结果表明:该模型的准确率、查准率、查全率、F1值均高于94%,准确率、查全率、F1值优于其他谣言识别模型;语义特征是谣言识别的关键特征,在此基础上融合单一特征能够大幅提高谣言识别效果,提高程度由高到低,依次为统计特征、传播特征、用户基本特征、用户历史特征和情感特征。递进融合特征越多,模型平均性能、泛化能力越强,谣言识别效果越好。