期刊文献+
共找到156篇文章
< 1 2 8 >
每页显示 20 50 100
基于卷积神经网络的谣言检测 被引量:42
1
作者 刘政 卫志华 张韧弦 《计算机应用》 CSCD 北大核心 2017年第11期3053-3056,3100,共5页
人工检测谣言通常需要耗费大量的人力物力,并且会有很长的检测延迟。目前现存的谣言检测模型一般根据谣言的内容、用户属性、传播方式人工地构造特征,而人工构建特征存在考虑片面、浪费人力等现象。为了解决这个问题,提出了基于卷积神... 人工检测谣言通常需要耗费大量的人力物力,并且会有很长的检测延迟。目前现存的谣言检测模型一般根据谣言的内容、用户属性、传播方式人工地构造特征,而人工构建特征存在考虑片面、浪费人力等现象。为了解决这个问题,提出了基于卷积神经网络(CNN)的谣言检测模型。将微博中的谣言事件向量化,通过卷积神经网络隐含层的学习训练来挖掘表示文本深层的特征,避免了特征构建的问题,并能发现那些不容易被人发现的特征,从而产生更好的效果。实验结果表明,所提方法能够准确识别谣言事件,在准确率、精确率与F1值指标上优于支持向量机(SVM)与循环神经网络(RNN)等对比算法。 展开更多
关键词 微博 谣言检测 谣言事件 卷积神经网络
下载PDF
在线社会网络谣言检测综述 被引量:39
2
作者 陈燕方 李志宇 +1 位作者 梁循 齐金山 《计算机学报》 EI CSCD 北大核心 2018年第7期1648-1677,共30页
大数据环境下,在线社会网络与人们的生活、娱乐以及工作逐渐融为一体.然而"信息过载"和"信息污染"已成为在线社会网络诸多应用发展面临的主要瓶颈之一,并同时造成了用户的"信息焦虑"和"信息迷航&qu... 大数据环境下,在线社会网络与人们的生活、娱乐以及工作逐渐融为一体.然而"信息过载"和"信息污染"已成为在线社会网络诸多应用发展面临的主要瓶颈之一,并同时造成了用户的"信息焦虑"和"信息迷航"等一系列问题,因此在线社会网络谣言检测是改善在线社会网络信息生态环境质量、提升用户体验的有效手段.在线社会网络谣言检测隶属于信息可信度检测研究范畴,但谣言的不确定性、较强的时效性、主观性和关联性等特征又使得其与虚假信息检测有着本质区别.基于以上,该文从在线社会网络谣言的基本概念和特征研究出发,分别基于目标、对象和时间三个属性,分析了在线社会网络谣言检测研究基本问题的形式化定义,并介绍了研究中数据采集和标注的不同方法.然后,分别对不同类别和应用场景的在线社会网络谣言检测方法和谣言源检测方法进行了分析和总结.最后,该文讨论了在线社会网络谣言检测技术未来发展面临的若干挑战以及可能的研究方向. 展开更多
关键词 在线社会网络 谣言 虚假信息 谣言检测 谣言源检测 网络结构分析
下载PDF
社会网络谣言检测综述 被引量:29
3
作者 高玉君 梁刚 +4 位作者 蒋方婷 许春 杨进 陈俊任 王浩 《电子学报》 EI CAS CSCD 北大核心 2020年第7期1421-1435,共15页
当前社会网络已取代传统媒体成为信息交流的重要平台,社会网络中的信息具有传播速度快,范围广,即时性强等优点.然而,由于发布信息时缺乏有效的监管手段,导致社会网络平台同时也成为谣言传播的温床.因此,快速有效地检测出社会网络谣言,... 当前社会网络已取代传统媒体成为信息交流的重要平台,社会网络中的信息具有传播速度快,范围广,即时性强等优点.然而,由于发布信息时缺乏有效的监管手段,导致社会网络平台同时也成为谣言传播的温床.因此,快速有效地检测出社会网络谣言,对净化网络环境,维护公共安全至关重要.本文首先对谣言定义进行阐述,并描述当前谣言检测的问题及检测过程;其次,介绍不同数据获取方式并分析其利弊,同时对比谣言检测中不同的数据标注方法;第三,根据谣言检测技术的发展对现有的人工、机器学习和深度学习的谣言检测方法进行分析对比;第四,通过实验在相同公开数据集下对当前主流算法进行实证评估;最后,对社会网络谣言检测技术面临的挑战进行归纳并总结全文. 展开更多
关键词 社会网络 谣言检测 网络空间安全
下载PDF
基于深层特征和集成分类器的微博谣言检测研究 被引量:23
4
作者 毛二松 陈刚 +1 位作者 刘欣 王波 《计算机应用研究》 CSCD 北大核心 2016年第11期3369-3373,共5页
微博中存在着大量的虚假信息甚至谣言,微博谣言的广泛传播影响社会稳定,损害个人和国家利益。为有效检测微博谣言,提出了一种基于深层特征和集成分类器的微博谣言检测方法。首先对微博情感倾向性、微博传播过程和微博用户历史信息进行... 微博中存在着大量的虚假信息甚至谣言,微博谣言的广泛传播影响社会稳定,损害个人和国家利益。为有效检测微博谣言,提出了一种基于深层特征和集成分类器的微博谣言检测方法。首先对微博情感倾向性、微博传播过程和微博用户历史信息进行特征提取得到深层分类特征,然后利用分类特征训练集成分类器;最后利用集成分类器对微博谣言进行检测。实验结果表明,提出的基于深层特征和集成分类器的方法能够有效提高微博谣言检测的性能。 展开更多
关键词 微博 谣言检测 深层特征 集成分类器
下载PDF
基于用户特征分析的微博谣言早期检测研究 被引量:23
5
作者 尹鹏博 潘伟民 +1 位作者 彭成 张海军 《情报杂志》 CSSCI 北大核心 2020年第7期81-86,共6页
[目的/意义]开放的微博平台是谣言的重要发源地,研究谣言检测对于减少谣言的传播,降低或消除谣言的影响具有重要现实意义。[方法/过程]提出了一种基于用户特征分析的微博谣言早期检测方法,通过对用户历史微博进行情感分析得到用户的发... [目的/意义]开放的微博平台是谣言的重要发源地,研究谣言检测对于减少谣言的传播,降低或消除谣言的影响具有重要现实意义。[方法/过程]提出了一种基于用户特征分析的微博谣言早期检测方法,通过对用户历史微博进行情感分析得到用户的发文行为特征,结合用户属性和微博文本,使用卷积-长短期记忆网络(Convolution-Long Short-Term Memory,C-LSTM)模型实现谣言早期检测。[结果/结论]与目前大多数微博谣言检测方法不同的是,该方法基于微博用户的历史行为特征,不依赖待检测微博的评论转发信息,减少了等待产生评论转发信息的时间,实现了微博谣言的实时早期检测。 展开更多
关键词 微博谣言 谣言检测 行为特征 深度学习 卷积-长短期记忆网络
下载PDF
MSRD:多模态网络谣言检测方法 被引量:20
6
作者 刘金硕 冯阔 +2 位作者 Jeff Z.Pan 邓娟 王丽娜 《计算机研究与发展》 EI CSCD 北大核心 2020年第11期2328-2336,共9页
图像和文本相结合的多模态网络谣言由于更具迷惑性和煽动性,对国家安全和社会稳定的危害性更严重.目前网络谣言检测工作充分考虑了谣言中配文的文本内容而忽略了图像内容以及图像中的内嵌文本内容,因此,提出了一种基于深度神经网络针对... 图像和文本相结合的多模态网络谣言由于更具迷惑性和煽动性,对国家安全和社会稳定的危害性更严重.目前网络谣言检测工作充分考虑了谣言中配文的文本内容而忽略了图像内容以及图像中的内嵌文本内容,因此,提出了一种基于深度神经网络针对图像、图像内嵌文本以及配文文本内容的多模态网络谣言检测方法MSRD.该方法使用VGG-19网络提取图像内容特征,使用DenseNet提取图像内嵌文本内容,使用LSTM网络提取文本内容特征,与图像特征串接后,通过完全连接层获取图像与文本共享表示的均值与方差向量,借助从高斯分布中采样的随机变量以形成重新参数化的多模态特征并作为谣言检测器的输入进行谣言检测.实验表明:该方法在Twitter和微博两大数据集上达到了68.5%和79.4%的准确率. 展开更多
关键词 多模态 谣言检测 图像内嵌文本 自然语言处理 深度神经网络
下载PDF
新浪微博谣言检测研究 被引量:20
7
作者 祖坤琳 赵铭伟 +1 位作者 郭凯 林鸿飞 《中文信息学报》 CSCD 北大核心 2017年第3期198-204,共7页
社会网络信息的可信度问题近年来受到了相当大的关注。谣言的散播可能造成社会恐慌,引发信任危机。在国内,新浪微博用户量的快速增长,使其成为了谣言传播的温床。及时清理在新浪微博中传播的谣言,对于社会的和谐发展有着现实的意义。该... 社会网络信息的可信度问题近年来受到了相当大的关注。谣言的散播可能造成社会恐慌,引发信任危机。在国内,新浪微博用户量的快速增长,使其成为了谣言传播的温床。及时清理在新浪微博中传播的谣言,对于社会的和谐发展有着现实的意义。该文以新浪微博为背景,将谣言检测任务作为分类问题,首次提出将微博评论的情感倾向作为谣言检测分类器的一项特征。实验结果表明,引入评论的评论情感倾向特征后,使得谣言检测的分类结果得到了可观的提升。 展开更多
关键词 新浪微博 谣言检测 SVM 情感计算
下载PDF
基于BERT-RCNN模型的微博谣言早期检测研究 被引量:20
8
作者 李悦晨 钱玲飞 马静 《情报理论与实践》 CSSCI 北大核心 2021年第7期173-177,151,共6页
[目的/意义]为了解决传统谣言检测算法在实际应用中存在滞后性的问题,尝试在不使用评论和转发数据的基础上实现微博谣言早期检测。[方法/过程]针对传统谣言检测模型需要大量特征以及难以实现及时检测的问题,使用BERT模型对微博原文进行... [目的/意义]为了解决传统谣言检测算法在实际应用中存在滞后性的问题,尝试在不使用评论和转发数据的基础上实现微博谣言早期检测。[方法/过程]针对传统谣言检测模型需要大量特征以及难以实现及时检测的问题,使用BERT模型对微博原文进行向量表示,然后将获取的语义特征输入到RCNN模型中进行谣言检测。[结果/结论]基于微博谣言数据集进行对比实验,实验结果显示基于BERT-RCNN的微博谣言早期检测模型的准确率为95.16%,F1指标为95.14%;该模型与其他主流的谣言检测模型相比,能在较短时间内完成对谣言的检测,证明了方法的有效性。[局限]文章提出的检测模型针对微博文本进行检测,BERT模型需要依赖谷歌发布的预训练模型。 展开更多
关键词 微博 谣言检测 BERT模型 预训练 深度学习
原文传递
基于分层注意力网络的社交媒体谣言检测 被引量:18
9
作者 廖祥文 黄知 +2 位作者 杨定达 程学旗 陈国龙 《中国科学:信息科学》 CSCD 北大核心 2018年第11期1558-1574,共17页
在社交媒体谣言检测问题上,现有的基于特征表示学习的研究工作大多数先把微博事件划分为若干个时间段,再对每个时间段提取文本向量表示、全局用户特征等,忽略了时间段内各微博间的时序信息,且未利用到在传统机器学习方法中已取得较好效... 在社交媒体谣言检测问题上,现有的基于特征表示学习的研究工作大多数先把微博事件划分为若干个时间段,再对每个时间段提取文本向量表示、全局用户特征等,忽略了时间段内各微博间的时序信息,且未利用到在传统机器学习方法中已取得较好效果的文本潜在信息和局部用户信息,导致性能较低.因此,本文提出了一种基于分层注意力网络的社交媒体谣言检测方法.该方法首先将微博事件按照时间段进行分割,并输入带有注意力机制的双向GRU网络,获取时间段内微博序列的隐层表示,以刻画时间段内微博间的时序信息;然后将每个时间段内的微博视为一个整体,提取文本潜在特征和局部用户特征,并与微博序列的隐层表示相连接,以融入文本潜在信息和局部用户信息;最后通过带有注意力机制的双向GRU网络,得到时间段序列的隐层表示,进而对微博事件进行分类.实验采用了新浪微博数据集和Twitter数据集,实验结果表明,与目前最好的基准方法相比,该方法在新浪微博数据集和Twitter数据集上正确率分别提高了1.5%和1.4%,很好地验证了该方法在社交媒体谣言检测问题上的有效性. 展开更多
关键词 谣言检测 分层注意力网络 社交媒体 时序信息 深度学习
原文传递
网络谣言传播与消解的研究进展 被引量:15
10
作者 贾硕 张宁 沈洪洲 《信息资源管理学报》 CSSCI 2019年第3期62-72,共11页
以中国期刊全文数据库(CNKI)和Web of Science核心合集数据库为数据源,采用文献分析法,对网络谣言的概念、特征、传播模型、检索和消解机制的相关研究进行脉络梳理及内容述评。总结归纳了现有研究成果及其局限性,根据分析结果提出未来... 以中国期刊全文数据库(CNKI)和Web of Science核心合集数据库为数据源,采用文献分析法,对网络谣言的概念、特征、传播模型、检索和消解机制的相关研究进行脉络梳理及内容述评。总结归纳了现有研究成果及其局限性,根据分析结果提出未来国内研究的重点应在于“普适性网络谣言传播模型”“高效网络谣言检测方案”“适用于我国的网络谣言自消解模式”和“大数据环境下新型网络谣言辟谣机制”等方面。 展开更多
关键词 网络谣言 传播模型 谣言检测 辟谣机制 自消解
下载PDF
一种基于多关系传播树的谣言检测方法 被引量:14
11
作者 胡斗 卫玲蔚 +3 位作者 周薇 淮晓永 韩冀中 虎嵩林 《计算机研究与发展》 EI CSCD 北大核心 2021年第7期1395-1411,共17页
近年来,社交媒体为人们消费信息提供便利的同时,也逐渐成为谣言产生和传播的温床.为了降低谣言的危害性,谣言检测受到研究学者的广泛关注.近期研究主要基于博文内容和传播结构信息,利用深度学习模型进行谣言检测.但是,这些方法仅考虑传... 近年来,社交媒体为人们消费信息提供便利的同时,也逐渐成为谣言产生和传播的温床.为了降低谣言的危害性,谣言检测受到研究学者的广泛关注.近期研究主要基于博文内容和传播结构信息,利用深度学习模型进行谣言检测.但是,这些方法仅考虑传播过程中博文之间的显式交互关系,忽略了对潜在关系的建模,难以捕捉到丰富的传播结构特征.例如,在转发(或评论)的交互形式下,多个转发者(或评论者)之间往往也存在局部的隐式交互.针对该挑战,提出一种基于多关系传播树的谣言检测方法,建模博文之间的多种依赖关系,同时增强重要博文的影响力,以捕获更丰富的信息传播结构特征.具体地,基于文本内容和传播树结构建立异构图,使用多关系图卷积网络建模父子节点之间的层间依赖关系和兄弟节点之间的层内依赖关系,并利用源节点和关键传播节点建模重要博文在信息传播中的潜在影响力,从而学习一个更全面的特征向量表示,用于检测谣言.在3个公开的真实数据集上进行广泛的实验,结果表明该方法具有比其他基线方法更高的谣言检测性能. 展开更多
关键词 谣言检测 传播树 图卷积网络 信息传播 社交媒体
下载PDF
基于突发话题和领域专家的微博谣言检测方法 被引量:13
12
作者 杨文太 梁刚 +2 位作者 谢凯 杨进 许春 《计算机应用》 CSCD 北大核心 2017年第10期2799-2805,共7页
针对现有谣言检测方法中存在的数据采集困难和谣言检测滞后的问题,提出一种基于动量模型的突发话题检测和领域专家发现的谣言检测方法。该方法借鉴物理学中的动力学理论对话题特征进行建模,使用特征的动力学物理量描述特征的突发特性和... 针对现有谣言检测方法中存在的数据采集困难和谣言检测滞后的问题,提出一种基于动量模型的突发话题检测和领域专家发现的谣言检测方法。该方法借鉴物理学中的动力学理论对话题特征进行建模,使用特征的动力学物理量描述特征的突发特性和发展趋势,并在对突发特征进行特征聚合之后提取得到突发话题;然后,依据话题与用户个人信息的领域相关性在候选专家池中发现领域相关的微博用户来甄别话题信息的真实性。基于新浪微博数据的实验结果表明,相对于仅基于有监督机器学习的微博谣言识别方法,该方法谣言识别准确率提高了13个百分点;相对于主流人工识别方法,将最长谣言检测用时缩短至20 h,能够较好地应用于实际的微博谣言检测环境。 展开更多
关键词 动量模型 话题 突发 领域专家 谣言检测
下载PDF
基于改进生成对抗网络的谣言检测方法 被引量:13
13
作者 李奥 但志平 +2 位作者 董方敏 刘龙文 冯阳 《中文信息学报》 CSCD 北大核心 2020年第9期78-88,共11页
传统谣言检测算法存在提取文本语义、关键特征等效果不理想的问题,而一般序列模型在文本检测中无法解决特定语义下的特征提取,导致模型泛化能力差。为解决上述问题,该文提出一种改进的生成对抗网络模型(TGBiA)用于谣言检测,该模型采用... 传统谣言检测算法存在提取文本语义、关键特征等效果不理想的问题,而一般序列模型在文本检测中无法解决特定语义下的特征提取,导致模型泛化能力差。为解决上述问题,该文提出一种改进的生成对抗网络模型(TGBiA)用于谣言检测,该模型采用对抗训练方式,符合谣言在传播过程中人为增删、夸大和歪曲信息的特点,通过对抗网络生成器和判别器的相互促进作用,强化谣言指示性特征的学习,不断提高模型的学习能力。训练过程中的生成器通过Transformer结构代替单一的RNN网络,实现语义的提取和特征的学习,同时,在训练过程中的判别器采用基于双向长短期记忆单元的深度网络分类模型,并引入注意力机制来提升对较长时间序列谣言的判断能力。在公开的微博和Twitter数据集上的实验结果表明,该文提出的方法比其他现有方法检测效果更好,鲁棒性更强。 展开更多
关键词 谣言检测 生成对抗网络 注意力机制
下载PDF
融合多模态信息的社交网络谣言检测方法 被引量:12
14
作者 张少钦 杜圣东 +1 位作者 张晓博 李天瑞 《计算机科学》 CSCD 北大核心 2021年第5期117-123,共7页
随着社交网络平台的发展,社交网络已经成为人们获取信息的重要来源。然而社交网络的便利性也导致了虚假谣言的快速传播。与纯文本的谣言相比,带有多媒体信息的网络谣言更容易误导用户以及被传播,因此对多模态的网络谣言检测在现实生活... 随着社交网络平台的发展,社交网络已经成为人们获取信息的重要来源。然而社交网络的便利性也导致了虚假谣言的快速传播。与纯文本的谣言相比,带有多媒体信息的网络谣言更容易误导用户以及被传播,因此对多模态的网络谣言检测在现实生活中有着重要意义。研究者们已提出若干多模态的网络谣言检测方法,但这些方法都没有充分挖掘出视觉特征和融合文本与视觉的联合表征特征。为弥补这些不足,提出了一个基于深度学习的端到端的多模态融合网络。该网络首先抽取出图片中各个兴趣区域的视觉特征,然后使用多头注意力机制将文本和视觉特征进行更新与融合,最后将这些特征进行基于注意力机制的拼接以用于社交网络多模态谣言检测。在推特和微博公开数据集上进行对比实验,结果表明,所提方法在推特数据集上F1值有13.4%的提升,在微博数据集上F1值有1.6%的提升。 展开更多
关键词 多模态 谣言检测 深度学习 目标检测
下载PDF
基于主题和预防模型的微博谣言检测 被引量:10
15
作者 马鸣 刘云 +1 位作者 刘地军 白健 《北京理工大学学报》 EI CAS CSCD 北大核心 2020年第3期310-315,共6页
针对微博短文本存在的特征提取困难及微博谣言传播浪费网络资源的问题,提出了基于主题和预防模型的微博谣言检测.对微博进行主题提取,按主题分类后提取基于用户、传播结构、内容三方面的统计特征.将样本与官方谣言子集中的微博进行相似... 针对微博短文本存在的特征提取困难及微博谣言传播浪费网络资源的问题,提出了基于主题和预防模型的微博谣言检测.对微博进行主题提取,按主题分类后提取基于用户、传播结构、内容三方面的统计特征.将样本与官方谣言子集中的微博进行相似度计算,将其值与传统特征进行特征融合之后作为统计特征进入有监督的机器学习.实验结果表明,相对于传统的有监督机器学习,该方法将微博谣言检测的性能提升了3%左右,同时实现了谣言预防. 展开更多
关键词 微博 谣言检测 主题发现 谣言预防
下载PDF
基于DeepFM和卷积神经网络的集成式多模态谣言检测方法 被引量:11
16
作者 陈志毅 隋杰 《计算机科学》 CSCD 北大核心 2022年第1期101-107,共7页
随着以微博为代表的社交媒体越来越流行,谣言信息借助社交媒体迅速传播,容易造成严重的后果,因此自动谣言检测问题受到了国内外学术界、产业界的广泛关注。目前,越来越多的用户使用图片来发布微博,而不仅仅是文本,微博通常由文本、图像... 随着以微博为代表的社交媒体越来越流行,谣言信息借助社交媒体迅速传播,容易造成严重的后果,因此自动谣言检测问题受到了国内外学术界、产业界的广泛关注。目前,越来越多的用户使用图片来发布微博,而不仅仅是文本,微博通常由文本、图像和社会语境组成。因此,文中提出了一种基于深度神经网络,针对配文文本内容、图像以及用户属性信息的多模态网络谣言检测方法DCNN。该方法由多模态特征提取器和谣言检测器组成,多模态特征提取器分为3部分,即基于TextCNN的文本特征提取器、基于VGG-19的图片特征提取器和基于DeepFM算法的用户社会特征提取器,分别用于学习微博不同模态上的特征表示,以形成重新参数化的多模态特征,特征融合后将该融合后的多模态特征作为谣言检测器的输入进行分类检测。在微博数据集上对该算法进行了大量实验,实验结果表明DCNN算法将识别准确率从78.1%提高到了80.3%,验证了DCNN算法和其中对社会特征建立特征交互方法的可行性与有效性。 展开更多
关键词 多模态 谣言检测 DeepFM 卷积神经网络 社会特征 自然语言处理
下载PDF
一种新的考虑注意力机制的微博谣言检测模型 被引量:11
17
作者 潘德宇 宋玉蓉 宋波 《小型微型计算机系统》 CSCD 北大核心 2021年第2期348-353,共6页
随着社交媒体的迅速发展,谣言通过社交媒体迅速传播,识别社交媒体网络上的谣言是社交网络研究中一个至关重要的问题.本文提出了一种新的考虑注意力机制的微博谣言检测模型,考虑到卷积神经网络(CNN)提取到的特征对输出结果影响力问题,在... 随着社交媒体的迅速发展,谣言通过社交媒体迅速传播,识别社交媒体网络上的谣言是社交网络研究中一个至关重要的问题.本文提出了一种新的考虑注意力机制的微博谣言检测模型,考虑到卷积神经网络(CNN)提取到的特征对输出结果影响力问题,在经典的文本卷积神经网络(Text CNN)上引入了注意力机制,通过CNN中的卷积层学习微博窗口的特征表示,再根据每个特征表示对输出结果的影响力不同通过注意力机制赋予不同的权重来进行谣言事件的检测.研究结果表明,本文提出的微博谣言检测模型准确率达到了96.8%,并且在召回率和F1值上也有提升,即本文提出的新的微博谣言检测模型具有更好的谣言识别能力. 展开更多
关键词 谣言检测 卷积神经网络 注意力机制 准确率
下载PDF
基于深度迁移网络的Twitter谣言检测研究 被引量:10
18
作者 刘勘 杜好宸 《数据分析与知识发现》 CSSCI CSCD 北大核心 2019年第10期47-55,共9页
【目的】解决网络谣言分领域检测时某些领域标注数据不足的问题,帮助在无标注数据的领域构建谣言检测模型。【方法】提出一种深度迁移网络,以Multi-BiLSTM网络为基础,加入MMD统计量计算的领域分布差异,训练过程中同时学习源领域的标签... 【目的】解决网络谣言分领域检测时某些领域标注数据不足的问题,帮助在无标注数据的领域构建谣言检测模型。【方法】提出一种深度迁移网络,以Multi-BiLSTM网络为基础,加入MMD统计量计算的领域分布差异,训练过程中同时学习源领域的标签损失与领域间的分布差异,完成标签信息在领域间的有效迁移。【结果】相较于未分领域的谣言检测方法和分领域但不使用迁移学习的谣言检测方法,本文方法在F1指标上分别提升10.3%与8.5%。【局限】在数据分布差异大的领域迁移效果受到限制,未涉及多个领域的谣言检测。【结论】本文方法可以有效地将迁移学习技术应用在分领域谣言检测场景下,为网络谣言识别提供新思路。 展开更多
关键词 谣言检测 深度迁移网络 多层双向长短时记忆网络 领域适配 推特
原文传递
融合源信息和门控图神经网络的谣言检测研究 被引量:10
19
作者 杨延杰 王莉 王宇航 《计算机研究与发展》 EI CSCD 北大核心 2021年第7期1412-1424,共13页
社交媒体在带给人们便利同时,也为谣言的发布和传播提供了平台.目前,大多数的谣言检测方法都是基于文本内容信息,但在社交媒体场景下,文本内容大多是短文本,这类方法往往会因为数据稀疏性的问题导致性能下降.社交网络上的消息传播可建... 社交媒体在带给人们便利同时,也为谣言的发布和传播提供了平台.目前,大多数的谣言检测方法都是基于文本内容信息,但在社交媒体场景下,文本内容大多是短文本,这类方法往往会因为数据稀疏性的问题导致性能下降.社交网络上的消息传播可建模为图结构,已有研究考虑消息传播结构特点,通过GCN等模型进行谣言检测.GCN依据结构信息聚合邻居来提升节点表示,但有些邻居聚合是无用的,甚至可能带来噪声,使得通过GCN得到的表示并不可靠.此外,这些研究不能有效的突出源帖信息的重要性.针对这些问题提出了一种融合门控的传播图卷积网络模型GUCNH,在GUCNH模型中,首先利用消息转发关系构建信息转发图,通过2个融合门控的图卷积网络模块来聚合邻居节点信息生成节点的表示,融合门控能够对图卷积之前的特征表示和之后的特征表示进行选择与组合,以得到更加可靠的表示.考虑到在转发图中,任意的帖子之间都可能存在相互影响,而不仅仅是基于邻接关系,因此在2个融合门控的图卷积网络模块之间引入多头自注意力模块来建模任意帖子之间的多角度影响.此外,在转发图中,源帖包含的信息往往是最原始、最丰富的,在生成各节点表示之后,选择性的增强了源节点的信息以增强根源信息的影响力.在3个真实数据集上进行的实验表明,提出的模型优于现有的方法. 展开更多
关键词 谣言检测 传播结构 融合门控的图卷积网络 多头注意力 源信息增强
下载PDF
基于SIDR模型的谣言传播与源头检测研究 被引量:8
20
作者 陈一新 陈馨悦 +3 位作者 刘奕 王汉桢 赖拥庆 徐扬 《数据分析与知识发现》 CSSCI CSCD 北大核心 2021年第1期78-89,共12页
【目的】探究谣言传播的特征,识别谣言源头,减小谣言造成的危害。【方法】在传统传染病模型的基础上,加入"辟谣者"状态,以现实中谣言传播特征为参考设置节点状态转化规则,构建基于社交网络中节点交互作用的SIDR谣言传播模型,... 【目的】探究谣言传播的特征,识别谣言源头,减小谣言造成的危害。【方法】在传统传染病模型的基础上,加入"辟谣者"状态,以现实中谣言传播特征为参考设置节点状态转化规则,构建基于社交网络中节点交互作用的SIDR谣言传播模型,并基于该模型提出谣言源头检测算法,利用Beam Search搜索算法进行模型优化。在理论建模的基础上,选取典型的真实谣言案例进行验证与分析。【结果】SIDR模型能够较准确地刻画现实中的谣言传播事件,源头处辟谣能够抑制谣言传播;本文提出的源头检测算法在谣言传播的初期Top5节点的识别准确率达到83%。【局限】未考虑现实中社交网络的动态变化,选取实例的代表性有限。【结论】研究结果可为谣言发展趋势的预测和谣言源头的识别提供指导。 展开更多
关键词 SIDR模型 谣言传播 辟谣 源头检测
原文传递
上一页 1 2 8 下一页 到第
使用帮助 返回顶部