微博媒體可信度分析與謠言檢測的方法研究.pdf

1、隨著Web2.0時代的到來，出現了各式各樣的社交網絡應用來滿足用戶日益豐富的社交活動需求，信息借助這些應用平臺高速流動，加之各種智能移動終端技術的不斷進步，越來越多的用戶在推特、新浪微博等各種流行的社交網絡媒體上發(fā)布消息并參與到熱門話題的討論中。新浪微博具有信息量龐大、傳播速度迅速、受眾群體廣泛、影響力巨大等特點，這些特點使其成為很多熱點事件和輿情的發(fā)源地和傳播媒介。與此同時，自由化的表達方式和匿名化的用戶行為使得不實信息的發(fā)布門檻和發(fā)

2、布成本降低，這導致網絡信息質量良莠不齊，大量的虛假消息、網絡謠言、垃圾廣告層出不窮，尤其是網絡謠言的影響極其惡劣。如何識別謠言成為人們面臨的嚴峻挑戰(zhàn)。
　　傳統(tǒng)的謠言檢測方法通常將其視為二分類問題進行處理，因此特征的發(fā)現與選擇對于分類器的分類效果至關重要?？v觀現有的研究成果，基于特征的謠言檢測方法僅關注文本內容、用戶、傳播等方面的靜態(tài)扁平特征，忽略了消息傳播演化結構的影響。此外，傳統(tǒng)的謠言發(fā)現方法往往依賴于手動選取特征來訓練機器學

3、習算法，這不僅會耗費大量人力，而且目前人工選擇的特征已經相對成熟，相關的研究慢慢陷入瓶頸。最后，我們希望得到語義和情感等高階深層特征，消息媒體的淺層統(tǒng)計特征的表示空間與高度抽象的語義和情感空間之間的距離差距很大，因此傳統(tǒng)的基于淺層或中層特征構建的分類器效果不夠理想。綜上，本文主要關注兩個問題：如何建模消息的傳播過程從而可以考慮消息傳播的內部圖結構和用戶之間的差異性；特征選擇方面，如何讓機器自動學習人工提取不到的微博文本信息的隱藏表示來豐

4、富現存的特征集。
　　本文的主要研究內容有以下兩方面：
　?。?）針對傳統(tǒng)謠言檢測方法往往集中于對靜態(tài)扁平特征的匯總統(tǒng)計，忽略了消息傳播結構的影響的問題，提出標記信息級聯傳播樹模型和該模型下的一種意見領袖影響力的動態(tài)度量方法。此外，本文還提出10個新特征，結合隨機通路圖核和徑向基(RBF)核函數構造混合核函數來融合傳播結構特征和普通靜態(tài)特征這兩種異構特征，建立混合核SVM分類器，提升謠言檢測的精度。
　　（2）針對人工