检索结果-南通市图书馆

检索条件"主题词=谣言传播图"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于传播结构的社交媒体谣言检测方法研究

基于传播结构的社交媒体谣言检测方法研究

引用

作者：张祥齐鲁工业大学

学位级别：硕士

近年来,由于推特、微博等新型社交媒体的流行性导致谣言在互联网飞速传播,同时,谣言传播者也利用互联网以低成本、大规模的方式制造谣言。因此,高准确率的社交媒体谣言检测是有必要的。社交媒体平台中除了用户发表的原始的推文或新闻事... 详细信息

近年来,由于推特、微博等新型社交媒体的流行性导致谣言在互联网飞速传播,同时,谣言传播者也利用互联网以低成本、大规模的方式制造谣言。因此,高准确率的社交媒体谣言检测是有必要的。社交媒体平台中除了用户发表的原始的推文或新闻事件以外,还包含了大量的针对原始推文或新闻事件的转发与评论帖子,为了能够检测谣言,需要充分利用社交媒体信息,掌握谣言的传播脉络。本文的核心问题是对社交媒体中的传播信息进行结构化建模,以便更好地获取谣言传播过程中的语义交互,从而提高谣言检测的准确率。现有基于传播结构的谣言检测聚焦于建模谣言传播树与谣言传播图两大核心领域,但对于这两种传播结构中的语义交互层面仍存在问题:现有基于谣言传播树的谣言检测方法忽略了谣言传播的多维度信息,没有结合谣言传播的深度与广度信息进行谣言检测,导致无法获取谣言传播树中的深层语义,谣言检测准确率有待提升;现有基于谣言传播图的谣言检测方法缺乏谣言传播过程中的动态信息,没有考虑不同推文的差异性,同时,在传播过程中存在关键语义丢失问题,影响了社交媒体谣言检测的性能。基于现有问题,对谣言传播树与谣言传播图框架进行改进,本文提出了以下解决方法:(1)本文针对谣言传播树缺乏多维度语义信息的问题,提出了基于深度-广度树形递归神经网络的社交媒体谣言检测框架。相比于线性传播结构,本文构建谣言传播树结构进行谣言检测能够考虑谣言传播的多分支线索,同时,本文有效结合了谣言传播的深度与广度信息进行谣言检测。对于传播时广度语义信息的处理,该框架考虑相同层级用户节点的评论语义交互;对于传播时深度语义信息的处理,该框架考虑传播时不同传播链中用户对原始推文的评论语义交互。本文通过考虑谣言传播树在传播过程中深度与广度的语义交互,提高了谣言检测的准确率。(2)本文针对谣言传播图缺乏动态信息、无法差异化处理不同推文等问题,提出了基于层级动态图卷积与特征增强的社交媒体谣言检测框架。该框架将传播信息建模为图结构,在谣言动态传播过程中聚合节点之间的信息以体现节点之间的交互关系,同时利用分层策略对不同推文差异化处理。该框架对于传播过程中关键语义丢失的问题,使用基于注意力的图池化设置特征增强策略,保证原始信息在传播过程中的有效性,同时筛选有利于谣言检测的关键评论,提高了在谣言传播图结构中谣言的检测性能。本文主要工作是提出了新颖的谣言传播树与谣言传播图两种框架以解决社交媒体不同传播结构中谣言检测问题。谣言传播树框架致力于解决谣言传播中缺乏信息获取维度的问题,考虑传播过程中多维度的语义交互,获取关键信息。谣言传播图框架致力于解决谣言传播缺乏动态性交互的问题,考虑推文的差异性,保证传播过程原始推文信息的有效性。总体来说,本文为基于传播结构的社交媒体谣言检测领域提供了解决方案,并对未来该领域研究提供了启发与探讨。

关键词：谣言检测传播结构谣言传播树谣言传播图

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：