检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

微博谣言识别研究

图书情报工作 2013年第23期57卷 114-120页

作者：贺刚吕学强李卓徐丽萍北京信息科技大学网络文化与数字传播北京市重点实验室北京城市系统工程研究中心

指出微博在传播信息的同时,也夹杂着谣言等虚假消息、不实言论。针对微博谣言传播速度快、影响范围广等特点,深层挖掘微博中的隐含信息,提出符号特征、链接特征、关键词分布特征和时间差等新特征,将微博谣言识别形式化为分类问题,综合... 详细信息

指出微博在传播信息的同时,也夹杂着谣言等虚假消息、不实言论。针对微博谣言传播速度快、影响范围广等特点,深层挖掘微博中的隐含信息,提出符号特征、链接特征、关键词分布特征和时间差等新特征,将微博谣言识别形式化为分类问题,综合新提取的特征与微博文本特征、用户特征和传播特征构建多个特征模板,利用SVM分类学习方法对微博进行分类,识别结果可有效辅助人们更好、更快地识别谣言。实验结果表明,在基本特征的基础之上,新提出的特征能有效提高微博谣言识别的正确率。

关键词：微博谣言识别特征模板 SVM

基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例

在线全文

学校读者我要写书评

暂无评论

情报学报 2019年第1期38卷 89-96页

作者：曾子明王婧武汉大学信息资源研究中心武汉430072 武汉大学图书情报实验教学中心武汉430072

网络谣言的肆虐对人们的日常生活和社会稳定造成了较为严重的负面影响,为了辅助网络谣言管控的有效推进,本文以2016年雾霾谣言为例,根据微博数据和以往研究定义了用户可信度和微博影响力特征变量,采用LDA主题模型深入挖掘微博文本的主... 详细信息

网络谣言的肆虐对人们的日常生活和社会稳定造成了较为严重的负面影响,为了辅助网络谣言管控的有效推进,本文以2016年雾霾谣言为例,根据微博数据和以往研究定义了用户可信度和微博影响力特征变量,采用LDA主题模型深入挖掘微博文本的主题分布特征,并基于以上特征变量采用随机森林算法进行谣言识别的模型训练。实验表明,LDA提取的文档-主题分布特征在谣言识别中发挥了重要作用,且基于LDA的随机森林模型能够有效提高谣言识别的准确率。

关键词：微博谣言识别 LDA 随机森林雾霾

在线全文

学校读者我要写书评

暂无评论

突发公共卫生事件中谣言识别研究

情报资料工作 2021年第5期42卷 42-49页

作者：孙冉安璐武汉大学信息管理学院湖北430072 武汉大学信息资源研究中心数据管理与知识服务研究室湖北430072

[目的/意义]揭示社交媒体环境下识别谣言过程中的关键要素和谣言识别机制,识别突发公共卫生事件中的谣言微博,研究及评估影响谣言识别的重要特征,有助于准确识别网络谣言、维护健康的网络生态环境。[方法/过程]文章抽取谣言微博的用户... 详细信息

[目的/意义]揭示社交媒体环境下识别谣言过程中的关键要素和谣言识别机制,识别突发公共卫生事件中的谣言微博,研究及评估影响谣言识别的重要特征,有助于准确识别网络谣言、维护健康的网络生态环境。[方法/过程]文章抽取谣言微博的用户特征、时间特征、微博文本结构特征、文本语义特征和微博传播特征,结合MAIN理论模型,采用二元逻辑回归方法从信息内容、信息模态、信息源角度对谣言的影响因素深入研究,利用神经网络模型提取文本语义特征,构建融合文本语义特征的多特征谣言识别模型,并通过XGBoost算法计算不同特征在谣言识别中的重要性。[结果/结论]正向评论情感度、用户发布微博数、用户影响力越大,则是谣言的可能性越小。谣言识别模型的准确率达到0.984,其中,文本语义特征的重要性最高。

关键词：谣言识别突发公共卫生事件神经网络模型 XGBoost

维普期刊数据库人大复印报刊资料

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

在线全文

学校读者我要写书评

暂无评论

情报杂志 2022年第12期41卷 81-88页

作者：冯兰萍董陈超徐绪堪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

[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... 详细信息

[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。

关键词：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

在线全文

学校读者我要写书评

暂无评论

基于朴素贝叶斯分类的网络谣言识别研究

计算机工程与科学 2022年第3期44卷 495-501页

作者：李文丽上海大学管理学院上海200444

谣言的传播会破坏社会秩序、危害国家稳定、造成大众恐慌,而社交平台的广泛应用使得信息传播速度更快、波及范围更广,加大了谣言造成的负面影响,如何快速准确地识别网络谣言成为信息传播领域的热点问题。谣言识别本质上是一个二分类问题... 详细信息

谣言的传播会破坏社会秩序、危害国家稳定、造成大众恐慌,而社交平台的广泛应用使得信息传播速度更快、波及范围更广,加大了谣言造成的负面影响,如何快速准确地识别网络谣言成为信息传播领域的热点问题。谣言识别本质上是一个二分类问题,因而基于贝叶斯分类的思想设计了网络谣言识别的朴素贝叶斯分类算法,利用Matlab软件构建朴素贝叶斯分类器,并采用从微博中收集的数据对该算法进行实验验证,通过控制训练集,对比识别结果的准确率、精确率、召回率和F1值,探究了不同训练条件下的朴素贝叶斯分类器对谣言与非谣言的识别情况和内含规律。研究表明,朴素贝叶斯分类器对于网络谣言识别具有有效性,且训练集的选取与控制对识别结果的影响较大,识别准确率随着训练条件的不同发生波动。

关键词：朴素贝叶斯分类谣言识别机器学习

基于机器学习的新冠疫情谣言识别研究及系统实现

在线全文

学校读者我要写书评

暂无评论

基于机器学习的新冠疫情谣言识别研究及系统实现

作者：关昌珊石河子大学

学位级别：硕士

近年来,社交媒体快速发展已成为人们获取信息、交换意见的主要平台,尤其Twitter、微博等平台在为人们获取信息提供便利的同时,也滋生了大量谣言。在社交媒体环境下,谣言不断滋生并广泛传播,已成为一个严峻的社会问题,往往会导致严重的... 详细信息

近年来,社交媒体快速发展已成为人们获取信息、交换意见的主要平台,尤其Twitter、微博等平台在为人们获取信息提供便利的同时,也滋生了大量谣言。在社交媒体环境下,谣言不断滋生并广泛传播,已成为一个严峻的社会问题,往往会导致严重的后果。特别是在新冠疫情爆发以来,与疫情相关的谣言层出不穷,给人们造成了恐慌,甚至社会混乱。针对社交平台每天数以万计的信息,仅通过人工核查的方式对谣言进行过滤与筛选效率非常低,因此如何高效的、尽早的识别出谣言,是相关部门及时采取有效措施抑制谣言传播的重要前提。本文以微博数据为切入点,基于机器学习的方法,对微博谣言进行分析并构建谣言识别模型,同时基于构建的模型设计并实现了新冠疫情谣言识别可视化系统,具体研究内容如下:(1)新冠疫情谣言的特征提取和分析:基于微博数据在内容信息中提取了5个特征,在用户信息中提取了12个特征,在传播信息中提取了7个特征;进而采用统计分析和机器学习的方法对基于谣言共性的传播特征及用户特征进行分析,并基于疫情谣言独有文本特征进行分析,统计谣言共性特征发现谣言和非谣言在用户特征以及传播特征中有明显差异,对疫情数据进行情感倾向分析发现人们在疫情谣言中更多的表达了消极情感。(2)基于机器学习方法的新冠疫情谣言识别:构建了基于分类方法的模型和基于深度学习方法的模型。在基于分类方法的模型中使用所提取的较丰富的特征作为支持向量机和决策树算法的输入,在疫情数据集中,支持向量机获得了89.62%的准确率,决策树获得了87.19%的准确率;在基于深度学习的方法模型中,提出了基于图卷积网络的GCNs-BERT模型。实验中,首先利用非疫情数据集对GCNs-BERT模型的有效性进行了验证,获得了95.6%的准确率,实验结果表明GCNsBERT模型具有较好的谣言识别效果;然后在新冠疫情数据集中进行谣言识别获得了92.5%的准确率,比支持向量机的准确率提升了2.9%,实验表明GCNs-BERT模型能够有效的学习到疫情数据中文本和传播的隐藏特征并获得了较好的谣言识别效果。(3)新冠疫情谣言识别可视化系统的设计与实现:基于GCNs-BERT模型设计并实现了新冠疫情谣言识别可视化系统,该系统具有数据采集功能、用户交互功能、谣言识别功能和数据可视化功能。数据采集功能主要负责爬取微博帖子的数据;用户交互功能主要为用户提供服务;谣言识别功能基于模型实现对微博帖子是否为谣言进行识别;数据可视化功能实现对多个特征的分析结果以及识别结果的展示。综上所述,本文针对微博数据,进行特征提取并分析了谣言的共性特征和疫情独有的特征,同时提出了GCNs-BERT模型在公开数据集和疫情数据集中均做了实验,结果表明此模型能够提高疫情谣言识别效率,因此基于此模型实现了新冠疫情谣言识别可视化系统。

关键词：谣言识别图卷积网络特征融合数据分析谣言传播

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于集成学习的微博谣言识别与危害性评估

基于集成学习的微博谣言识别与危害性评估

作者：曾艳重庆邮电大学

学位级别：硕士

在网络信息日益增长的时代背景下,关于网络谣言的监管治理手段及立法也逐渐成为各学科领域研究的焦点之一。明确网络谣言的相关定义,分析研究网络谣言的特点,对更有效地甄别出网络信息中的谣言有着重要作用。对网络谣言的危害性进行等... 详细信息

在网络信息日益增长的时代背景下,关于网络谣言的监管治理手段及立法也逐渐成为各学科领域研究的焦点之一。明确网络谣言的相关定义,分析研究网络谣言的特点,对更有效地甄别出网络信息中的谣言有着重要作用。对网络谣言的危害性进行等级划分评估,也给网络空间的治理提供了一定的技术支撑。本文主要以微博平台作为研究对象,在总汇分析了现有网络谣言相关研究的不足后,针对微博谣言的识别检测与危害评估的方法展开了研究分析。主要内容包括:第一,针对当前研究中缺少关于网络谣言的明确定义的问题,结合传播学中的5W模式给出了网络谣言与微博谣言的定义,并对微博谣言的定义进行了形式化的描述。结合定义,构造并筛选出了适用于微博谣言识别的特征集,提出了一种基于Stacking集成学习的微博谣言识别模型。实验结果表明,该微博谣言识别方法能够有效地进行谣言识别,且在实际应用中的效果最好。第二,针对当前网络谣言的相关评估主要是定性研究分析,较少进行定量分析,因而难以实现评估自动化的问题,在分析研究了前人所构建的舆情危机预警等级指标体系的基础上,结合传播学给出了网络谣言危害性的评估指标体系,并采用模糊层次分析法对各个指标进行了权重分配。之后,选用了随机森林算法对微博谣言的危害性进行了等级划分。实验结果表明,该微博谣言危害评估方法能够有效进行危害评估。第三,针对当前缺少监控治理网络谣言、避免其大肆传播而造成危害的有效手段的问题,通过结合前两部分关于谣言识别与危害评估的研究,设计并实现了一种集微博谣言识别与危害性评估于一体的微博舆情预警原型系统。

关键词：集成学习谣言识别危害评估 Stacking 传播学

基于LSTM情感分析模型的微博谣言识别方法研究

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LSTM情感分析模型的微博谣言识别方法研究

作者：陈帆华中师范大学

学位级别：硕士

微博是一个开放性和自由度比较高的互联网社交平台,人人都可以在上面发布和接收信息,由于微博信息体量的庞大以及极低的准入机制,给信息的交流带来了巨大的便利,同时也存在着大量的谣言。谣言产生与传播带来的负面效应,极大影响了国家... 详细信息

微博是一个开放性和自由度比较高的互联网社交平台,人人都可以在上面发布和接收信息,由于微博信息体量的庞大以及极低的准入机制,给信息的交流带来了巨大的便利,同时也存在着大量的谣言。谣言产生与传播带来的负面效应,极大影响了国家、社会的和谐稳定和个人生活,因此如何能自动有效地识别出微博谣言,一直是相关领域的一个研究热点。传统的微博谣言识别研究主要被看作一个有监督学习过程的二分类问题,其工作重点在于相关特征的选择上,主要有基于情感词典的微博情感、用户属性等浅层次的特征,更深层次的特征并没有得到充分挖掘,如微博发布来源的可信度,微博评论的情感倾向以及微博传播的结构特点等,因而谣言识别的效果有限。基于此,本文分析了微博谣言从产生经传播最后到信息接收者面前的全过程,提出了一种基于深度学习LSTM模型的谣言识别策略,用于微博特定主题的谣言识别,具体工作如下:首先,本文提出了一种微博来源的可信度高低的界定方法。由于目前对于谣言的来源缺乏有效的鉴定和追本溯源的手段,本文从微博谣言产生的源头入手,根据发布微博的用户特征,给不同特征赋予可信度权值,构建界定微博发布来源可信度高低的方法。然后从微博社区公布的不实信息中采集特定主题的谣言信息,并采集其发布者信息以及评论和转发信息作为谣言集,同时采集正常微博对应的相关信息作为非谣言集,共同构成本文实验的样本集。其次,针对微博的相关评论和传播等深层特征,本文使用基于情感词典的方法来获得评论的情感特征,通过构建树形结构来模拟微博的传播结构,然后使用基于高斯核函数的支持向量机来训练模拟数据,从而得到谣言和非谣言微博不同的传播特征,然后将上述特征加入到谣言识别模型中,以提高谣言识别的准确度。最后,由于大量微博谣言具有明显的情感倾向,本文采用LSTM模型对微博文本进行情感分析,构建基于LSTM情感分析的微博谣言识别模型,通过对比高低可信度来源的微博语料在情感倾向上产生的冲突和差异,同时加入微博评论和传播特征来识别谣言。实验证明,上述方法对微博谣言具有较好的识别效果。

关键词：谣言识别 LSTM 情感分析高斯核函数支持向量机

基于长短期记忆网络及深层特征的谣言识别系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于长短期记忆网络及深层特征的谣言识别系统

作者：王星宇河北大学

学位级别：硕士

微博是当今信息传播的重要途径,实现了信息即时的共享、传播和互动,但也不时有谣言出现。古语云“流言猛于虎”,所以对微博中流传的谣言进行识别和清理,对整个社会的安全和稳定都有着重大意义。本文针对微博中的谣言识别问题,提出了一... 详细信息

微博是当今信息传播的重要途径,实现了信息即时的共享、传播和互动,但也不时有谣言出现。古语云“流言猛于虎”,所以对微博中流传的谣言进行识别和清理,对整个社会的安全和稳定都有着重大意义。本文针对微博中的谣言识别问题,提出了一种新的谣言识别模型,该模型利用了三个深层特征:谣言文体符合程度、谣言评论两极化、用户领域画像匹配度,在谣言识别问题上取得了良好效果。本文的主要工作包括以下4点:1.基于长短期记忆网络(Long Short-Term Memory,LSTM),改进了其内部结构,在原本三个门结构的基础上,加入了第四个门结构:History门(历史门)。将新模型命名为历史门长短期记忆网络(Historical-Gate Long Short-Term Memory,H-LSTM)。该模型利用自注意力机制更新History门信息,历史门能够存储历史信息,使得模型能够更好的捕捉较长输入序列的上下文信息。并在微博谣言数据上分别利用了GRU,LSTM,H-LSTM三种算法进行实验,实验表明利用H-LSTM对微博谣言数据的谣言文体符合度识别上,相较于GRU与LSTM,结果收敛所需的迭代次数分别减少了约800步和400步,精度分别提高了4.32和2.17个百分点。2.分别利用两个已有模型构造出两个深层特征。利用Doc2vec模型计算微博用户最新微博内容的句向量d,以及计算该用户所有历史微博内容的句向量m,将m视为用户领域画像,利用向量距离公式,计算向量d和m的距离s,s则为该用户最新微博的用户领域画像匹配度,s的大小决定了该用户最新微博内容是否为其经常关注的内容或擅长的领域;利用Snownlp情感分析库,对每条微博下的评论进行情感分析,分别统计情感处于两极的评论数,计算评论情感两极分化程度。3.利用单因素方差分析,对得到的三个深层特征进行计算,判断其是否对于谣言识别具有显著性作用,结果表明,三个深层特征的P-value值均小于0.01,说明三个深层特征对于谣言与非谣言两类数据差异性显著,验证了特征的有效性。实验数据集还包含五个浅层特征,分别为粉丝数、微博数、转发量、关注数和性别。利用梯度下降树对三个深层特征和五个浅层特征进行特征选择,计算特征的重要程度,结果表明八个特征中,三个深层特征的重要程度排在前三,证明了深层特征对于谣言识别的重要性。4.将得到的三个深层特征作为特征集,运用SVM构造了复合的谣言识别模型,实现了对微博中谣言的识别。实验数据集中共包含谣言1538条和非谣言1849条。实验表明,本文的方法对于微博中的谣言识别具有较好效果,识别准确率达到了98.53%,F1值达到98.39%,高于目前关于谣言识别文献的准确率与F1值。

关键词：谣言识别谣言文体 H-LSTM 评论两极化用户领域画像