-
题名启发式图结构增强的社交媒体短文本谣言检测研究
- 1
-
-
作者
李贺
杨心苗
沈旺
刘嘉宇
-
机构
吉林大学商学与管理学院
-
出处
《情报理论与实践》
北大核心
2025年第3期151-159,共9页
-
基金
国家社会科学基金重大项目子项“总体国家安全观下重大突发事件的知识库构建研究”的成果,项目编号:20&ZD125。
-
文摘
[目的/意义]研究构建启发式图结构增强的社交媒体短文本谣言检测模型,提升社交媒体短文本谣言分类检测的准确性。[方法/过程]首先从谣言传播结构的角度构建谣言传播树和用户社交网络,从中提取结构内容构建全局网络关系图,创新性地引入启发式算法对关系图的图节点和图边权重分配,最后构建谣言检测模型。[结果/结论]谣言检测模型在三个短文本公开数据集上的F1值分别为94.64%、95.52%和97.68%,显著优于基线,且在谣言早期检测中表现出良好的性能。提出的社交媒体短文本谣言检测模型通过启发式图结构增强策略,在捕捉推文之间的全局交互关系方面展示了强大的能力,为谣言检测提供了一种高效且准确的解决方案。[局限]模型在推文语义理解和向量表示方面存在的局限一定程度上影响了谣言检测结果的准确性。
-
关键词
谣言检测
启发式图结构
社交媒体短文本
谣言传播树
全局社交关系
-
Keywords
rumor detection
heuristic graph structure
social media short texts
rumor propagation tree
global social relationships
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名不平衡数据集上在线评论有用性识别研究
被引量：5
- 2
-
-
作者
刘嘉宇
李贺
谷莹
时倩如
杨心苗
-
机构
吉林大学商学与管理学院
-
出处
《情报理论与实践》
CSSCI
北大核心
2023年第11期119-125,153,共8页
-
基金
国家自然科学基金面上项目“基于图模型的多源异构在线产品评论数据融合与知识发现研究”的成果,项目编号:71974075。
-
文摘
[目的/意义]先前研究在识别有用性在线评论时假设数据集类是平衡的,但真实数据往往不符合这一假定。为克服这一局限,文章从真实情景出发提出了在不平衡数据集上识别在线评论的有用性,以提升在线评论的效用。[方法/过程]提出不平衡数据集上在线评论有用性识别模型,该模型包括在线评论有用性特征集构建、融合SMOTE和Boosting的有用性识别算法以及识别效果评价等模块,并从真实数据集出发验证了模型的识别效果。[结果/结论]模型在解决类不平衡后准确识别在线评论有用性的综合性能超过89%,优于未解决类不平衡的分类识别算法,为在线评论有用性识别提供了有效的方法和工具。
-
关键词
在线评论
有用性识别
集成学习
不平衡数据集
文本分类
-
Keywords
online reviews
helpfulness identification
ensemble learning
imbalanced dataset
text classification
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
