检索结果-南通市图书馆

计算机科学 2022年第6期49卷 342-349页

作者：徐建民孙朋吴树芳河北大学网络空间安全与计算机学院河北保定071002 河北大学管理学院河北保定071002

微博等在线社交平台的迅猛发展,促进了各种谣言信息的广泛传播,进而给社会秩序带来了潜在的威胁。微博谣言检测能够有效遏制谣言的传播,对净化网络环境、维护社会安定具有重要意义。针对传统谣言检测模型仅考虑用户、内容、传播统计等特... 详细信息

微博等在线社交平台的迅猛发展,促进了各种谣言信息的广泛传播,进而给社会秩序带来了潜在的威胁。微博谣言检测能够有效遏制谣言的传播,对净化网络环境、维护社会安定具有重要意义。针对传统谣言检测模型仅考虑用户、内容、传播统计等特征,忽略了谣言传播过程中用户的影响力、情感反馈等特征随转发和评论关系变化而变化的结构问题,提出了一种基于微博信息传播树的路径树核谣言检测模型。所提模型将用户的影响力、情感反馈和内容等特征嵌入传播树的节点中,通过计算传播树中从根节点到叶子节点的路径相似度,得到微博信息传播树结构之间的相似度,进而使用基于传播路径树核的支持向量机实现对微博谣言的检测。实验结果显示,所提模型的准确率达到93.5%,其效果优于未考虑传播路径结构特征的谣言检测模型。

关键词：传播路径传播树微博谣言检测核方法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于传播结构的微博谣言检测研究

基于传播结构的微博谣言检测研究

引用

作者：孙朋河北大学

学位级别：硕士

以新浪微博为代表的新型社交媒体逐渐取代传统媒体,成为人们获取信息,传播信息的主要平台。这些平台使人们的生活更加便捷,但同时也成为了各种谣言信息广泛传播的温床。谣言的传播给人们带来巨大的经济损失,造成严重的社会恐慌。如何快... 详细信息

以新浪微博为代表的新型社交媒体逐渐取代传统媒体,成为人们获取信息,传播信息的主要平台。这些平台使人们的生活更加便捷,但同时也成为了各种谣言信息广泛传播的温床。谣言的传播给人们带来巨大的经济损失,造成严重的社会恐慌。如何快速且有效地自动检测微博等社交媒体上的谣言信息,成为了当前社交网络研究中的热点。现有的微博谣言检测研究,大多都将其看成有监督学习的二分类过程。特征的选取是研究中的重点,主要包括博文内容、用户属性、传播统计等特征,大都忽略了微博信息随转发和评论关系传播的结构特征,未能有效检测出基于某种动机模仿真实信息而编造的谣言信息。针对上述问题,本文主要从传播结构角度出发,分别提出以下两种模型:(1)一种基于传播树结构的微博谣言检测模型。该模型首先根据源微博的转发和评论关系构建微博信息传播树,将用户的影响力、情感反馈和内容等特征嵌入到传播树的节点中;然后提出一种传播路径树核函数(Propagation Path Tree Kernel,PPTK),该树核函数通过计算传播树中从根节点到叶子节点传播路径的相似度,得到微博信息传播树结构之间的相似度;最后使用基于传播路径树核的支持向量机分类器,对待检测微博信息传播树进行分类。(2)一种基于传播图结构的微博谣言检测模型。该模型首先在微博信息传播树中加入子节点指向父节点的隐性有向边,构成微博信息传播图,并将发布博文的内容嵌入到传播图的节点中;然后在图卷积神经网络(Graph Convolutional Networks,GCN)的图池化过程中设计多注意力分数计算方法,用于保留重要节点;最后分别基于多注意力分层图池化和多注意力全局图池化两种图池化架构,实现对微博信息传播图的分类。本文采用Weibo和Pheme两个公共数据集对研究内容进行有效性验证。首先对数据集进行预处理;然后将本文提出的两种模型分别与已有的模型进行实验对比,并采用准确率、精准率、召回率和F1值评估模型检测谣言的性能;最终实验结果表明:在两个公共数据集上,与已有的谣言检测模型相比,两种新模型在评价指标上均有所提升。

关键词：微博谣言检测传播结构传播路径核方法多注意力图池化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合语义特征和情绪知识的微博谣言检测

融合语义特征和情绪知识的微博谣言检测

引用

作者：高倩辽宁工程技术大学

学位级别：硕士

微博等社交媒体是公众分享、交流及获取信息的重要渠道,而其信息发布门槛低、信息传播随时随地性的特点为谣言的滋生提供了可能。传播速度快、煽动性强、监测难度大的微博谣言成为网络不良舆情的隐患,严重破坏了网络生态环境,对国家网... 详细信息

微博等社交媒体是公众分享、交流及获取信息的重要渠道,而其信息发布门槛低、信息传播随时随地性的特点为谣言的滋生提供了可能。传播速度快、煽动性强、监测难度大的微博谣言成为网络不良舆情的隐患,严重破坏了网络生态环境,对国家网信办“清朗”系列专项行动提出了挑战。因此,如何准确、高效地实现微博谣言自动检测对遏制虚假信息的碎片化解读、圈层化传播具有积极意义,也是保障网民权益、推动网络空间健康稳定发展的迫切需要。本文主要从语义和情绪2个角度构建特征,并结合深度学习方法建立微博谣言检测模型。首先,从字词句3个文本粒度级别建模,运用双向长短期记忆网络(Bi LSTM)提取微博内部语义特征并生成三维文本特征矩阵;建立了一种基于多尺度卷积神经网络(CNN)和高效通道注意机制(ECA)的谣言检测模型Bi LSTM-CNN-ECA,通过将Bi LSTM-CNNECA模型与其他模型从卷积核尺度、文本粒度和方法这三个方面对比实验,验证了该多粒度语义模型表征能力的优势。然后,构建了微博谣言专用情感词典,基于疑问词和表情符号扩展传统情感词典,运用词频-逆向文件频率方法(TF-IDF)从谣言事件微博语料库提取情绪种子词,采用情感倾向点互信息算法(SO-PMI)得到8个情绪类别的新词,生成谣言事件情绪词典;运用该词典对比分析了谣言与非谣言中的情绪分布异同以及各情绪特征在谣言判别中的重要程度。最后,综合多种情感资源生成情绪知识向量,分别与消息级语义向量、经双向门控循环单元(Bi GRU)提取的词语级上下文语义向量拼接,生成双通道语义情绪特征;结合CNN和自注意力机制(Self-Attention),建立了一种融合语义特征和情绪知识的谣言检测模型SE-Bi GRU-CNN-SA;在谣言事件情绪词典有效性实验、情绪知识向量有效性实验、双通道语义情绪特征有效性实验、不同模型对比实验中,SE-Bi GRU-CNN-SA的Accuracy、Precision、Recall、F1均最优,表明谣言事件情绪词典可以更好地辅助模型获取情感词,SE-Bi GRU-CNN-SA模型能充分提取语义和情绪特征,有效提高微博谣言检测模型性能。该论文有图25幅,表17个,参考文献105篇。

关键词：微博谣言检测语义特征情绪知识卷积神经网络长短期记忆网络注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于co-attention的微博谣言检测研究

引用

网络安全技术与应用 2023年第2期 33-35页

作者：欧艳鹏中央民族大学中国少数民族语言文学学院北京100081 呼和浩特民族学院内蒙古010051

由于即时通信的广泛使用,微博平台越来越受欢迎。然而微博上的谣言信息传播已经成为也越来越重要的问题,它对国家、社交网络、社会和个人的危害严重,目前大多数谣言研究工作主要是对文本的深层语义进行谣言检测,但很少对源文本和评论之... 详细信息

由于即时通信的广泛使用,微博平台越来越受欢迎。然而微博上的谣言信息传播已经成为也越来越重要的问题,它对国家、社交网络、社会和个人的危害严重,目前大多数谣言研究工作主要是对文本的深层语义进行谣言检测,但很少对源文本和评论之间的关联性和文本中的表情符号给予高度重视。因此,本文使用co-attention机制来捕捉源文本与评论之间的关联,并引入表情符号的情感增强进行谣言检测。实验结果表明,该方法在一定程度上能够提升检测性能。

关键词：微博谣言检测 co-attention 情感

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于ERNIE-BiLSTM-DPCNN的微博长文本谣言检测

引用

河南科学 2024年第4期42卷 469-475页

作者：李东王福威商月阳张云飞檀文彬辽宁石油化工大学信息与控制工程学院辽宁抚顺113000

为了实现对于微博长文本谣言的检测,使用ERNIE模型对微博长文本数据使用词嵌入技术实现对文本的向量化,将这些词向量作为BiLSTM-DPCNN模型的输入,利用BiLSTM-DPCNN模型的特性,捕捉句子中的上下文信息和长期依赖关系,最终高效地提取特征... 详细信息

为了实现对于微博长文本谣言的检测,使用ERNIE模型对微博长文本数据使用词嵌入技术实现对文本的向量化,将这些词向量作为BiLSTM-DPCNN模型的输入,利用BiLSTM-DPCNN模型的特性,捕捉句子中的上下文信息和长期依赖关系,最终高效地提取特征并进行分类.数据集通过五折交叉验证方法划分,通过设置多组对比实验,实验结果显示:ERNIE-BiLSTM-DPCNN模型的准确率达到98.52%,高于在同一数据集下的其他同组实验,证明该模型对于微博长文本谣言检测具有较好的效果.

关键词： ERNIE-LSTM-DPCNN 微博谣言检测词嵌入深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：