期刊文献+
共找到168篇文章
< 1 2 9 >
每页显示 20 50 100
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 +1 位作者 沈旺 刘嘉宇 《情报理论与实践》 北大核心 2025年第3期151-159,共9页
[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... [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。 展开更多
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
在线阅读 下载PDF
基于时间步局部动态交互的多任务谣言检测方法
2
作者 杨广浩 万书振 +1 位作者 董方敏 王梦园 《计算机工程与应用》 北大核心 2025年第6期183-191,共9页
谣言检测旨鉴别社交媒体中未经官方证实或人为捏造的信息,而当今社交网络中隐含着一种难以发掘的动态关系模式,它随时间推移和不同帖子间的动态交互而变化。针对现有方法对谣言传播事件中隐含的动态特征和关联信息考虑不充分的问题,提... 谣言检测旨鉴别社交媒体中未经官方证实或人为捏造的信息,而当今社交网络中隐含着一种难以发掘的动态关系模式,它随时间推移和不同帖子间的动态交互而变化。针对现有方法对谣言传播事件中隐含的动态特征和关联信息考虑不充分的问题,提出一种基于时间步局部动态交互的多任务谣言检测方法,能捕获谣言传播事件中隐含的动态关联信息;并设计了一种高效的多任务交互方式,以时间步为基本共享单元,将学习到的局部特征进行共享,极大提升了共享效率,从而形成局部动态交互,整体多任务共享的检测框架。最后利用注意力机制筛选不同任务、不同结构特征中对谣言检测更有利的信息,以提升检测效果。在PHEME和WEIBO数据集上进行了实验,结果表明该方法具有较先进的性能。 展开更多
关键词 谣言检测 时间步局部动态交互 传播结构特征 多任务共享
在线阅读 下载PDF
融合图文多粒度情感特征的多模态谣言检测方法
3
作者 刘先博 向澳 杜彦辉 《计算机科学与探索》 北大核心 2025年第4期1021-1035,共15页
涉及公共安全、灾害事故等群体性事件谣言往往在文字或图像中含有丰富的情感特征信息,极易调动网民情绪反应,诱导其点赞、评论和转发。然而,现有的多模态谣言检测方法对于多模态数据中蕴含的情感特征缺乏有效的提取方法,并且在特征融合... 涉及公共安全、灾害事故等群体性事件谣言往往在文字或图像中含有丰富的情感特征信息,极易调动网民情绪反应,诱导其点赞、评论和转发。然而,现有的多模态谣言检测方法对于多模态数据中蕴含的情感特征缺乏有效的提取方法,并且在特征融合过程中没有考虑模态间的关系,存在一定冗余特征的问题。为探究跨模态情感特征在谣言检测中的作用,提出一种融合图文多粒度情感特征的多模态谣言检测方法。该方法在不依赖评论、传播模式等社会信息的前提下,将图文多粒度情感特征融入到多模态谣言检测方法中,利用基于交互注意力机制的跨模态多粒度情感特征融合方法充分融合多媒体信息的深层特征,并在Weibo和Twitter两个公开数据集上进行对比实验和消融实验。结果表明,该方法与现有谣言检测方法相比,在两个数据集中的谣言检测准确率分别提升到0.912和0.839,在F1值等多个指标上展现了优异性能,有效提升了谣言检测性能和模型的可解释性,一定程度上能够辅助公安机关开展群体性事件的谣言处置工作,为基层警务实战提供技术支持。 展开更多
关键词 谣言检测 情感分析 多模态融合 注意力机制 群体性事件
在线阅读 下载PDF
基于多层级隐式自增强的谣言检测方法
4
作者 赵开锋 蒋瑜 《软件导刊》 2025年第2期89-97,共9页
随着社交媒体的广泛使用,谣言的快速传播对信息的真实性和社会稳定构成了严重威胁。因此,开发高效的谣言检测方法以实现对社交媒体内容真实性的自动鉴别,已成为一项迫切需求。然而,由于谣言数据集的稀缺性和规模的局限性,极大地制约了... 随着社交媒体的广泛使用,谣言的快速传播对信息的真实性和社会稳定构成了严重威胁。因此,开发高效的谣言检测方法以实现对社交媒体内容真实性的自动鉴别,已成为一项迫切需求。然而,由于谣言数据集的稀缺性和规模的局限性,极大地制约了谣言检测模型的训练与评估过程,进而影响模型的有效性和泛化能力。针对以上问题,提出一种基于隐式自增强的谣言检测模型,该模型结合了RoBERT和ToBERT的语义信息提取能力。首先,融合正文内容与相关评论;其次,利用序列骨干方法和微调的BERT模型抽取语义特征;再次,在模型训练的各个层级中利用Mixup隐式自增强技术进行特征级数据扩增,以此提高数据的多样性和模型的泛化能力;最后,采用基于时序建模的分类层和基于上下文建模的决策层完成谣言检测任务。实验结果显示,该方法在PHEME和Ma-Weibo数据集上的准确率达到了97.36%、98.25%,相比当前性能最优的模型分别提升了2.2%和0.8%。 展开更多
关键词 谣言检测 社交媒体 BERT模型 Mixup数据增强 深度学习
在线阅读 下载PDF
背景知识增强的多特征融合谣言检测方法
5
作者 林兴澎 李家印 +1 位作者 徐瑞阳 许力 《小型微型计算机系统》 北大核心 2025年第3期559-570,共12页
在线社交媒体的普及为人们通信带来便利,但也为谣言滋生创造条件,设计高效的谣言检测方法能保护人民财产和维持社会稳定.已有方法主要集中在利用谣言传播中的丰富信息来检测谣言,这些方法在长期谣言检测具有优越性能,但应对早期谣言检... 在线社交媒体的普及为人们通信带来便利,但也为谣言滋生创造条件,设计高效的谣言检测方法能保护人民财产和维持社会稳定.已有方法主要集中在利用谣言传播中的丰富信息来检测谣言,这些方法在长期谣言检测具有优越性能,但应对早期谣言检测的效果不佳.针对这些方法无法在谣言传播早期获得丰富信息的问题,本文提出了一种背景知识增强的多特征融合谣言检测方法来提高早期谣言检测性能.首先,从知识图谱和维基百科中挖掘谣言背景知识并建立知识关联图来补充源推文的语义信息;其次,为了解决现有方法难以学习具有不同差异性噪声的谣言传播表示的问题,本文设计了一种基于加性注意力和点积注意力的图神经网络结构对谣言进行插值学习;最后,将知识关联图、谣言传播-扩散图以及社交图的表示进行结合,构建出具有多通道输入的谣言检测器架构,从而实现早期谣言的精准分类.实验结果表明,本文方法在3个公开数据集上的准确率分别达到了87.3、90.4%和87.0%,与其它对比方法相比,具有更高的早期谣言检测准确率和长期谣言检测准确率. 展开更多
关键词 社交媒体 谣言检测 图神经网络 知识图谱
在线阅读 下载PDF
基于双向图注意力网络的潜在热点话题谣言检测
6
作者 李劭 蒋方婷 +1 位作者 杨鑫岩 梁刚 《计算机科学》 北大核心 2025年第3期277-286,共10页
现有社交网络谣言检测方法大多将社交网络中的单个帖子视为检测目标,存在因数据量不足而导致的检测冷启动问题,影响检测性能。另外,现有方法没有对海量社交网络信息中与检测无关的信息进行过滤,导致检测时延较长,性能较差。在分析谣言... 现有社交网络谣言检测方法大多将社交网络中的单个帖子视为检测目标,存在因数据量不足而导致的检测冷启动问题,影响检测性能。另外,现有方法没有对海量社交网络信息中与检测无关的信息进行过滤,导致检测时延较长,性能较差。在分析谣言的传播特征时,现有方法大多侧重于谣言传播过程中的静态特征,难以充分利用节点间的动态关系对复杂的传播过程进行表征,导致性能提升存在瓶颈。针对以上问题,文中提出了一种基于潜在热点话题和图注意力神经网络的谣言检测方法,该方法采用神经主题模型和潜在热点话题发现模型进行话题级别的谣言检测以克服冷启动问题,并设计了一个基于双向图注意力神经网络的检测模型TPC-BiGAT,分析谣言话题传播过程中的动态特征以进行谣言真实性检测。在3个公开数据集上进行了多次实验证明,该方法在准确率上较现有方法取得了3%~5%的显著提升,验证了所提方法的有效性。 展开更多
关键词 谣言检测 社交网络 潜在热点话题 图神经网络 主题聚类
在线阅读 下载PDF
基于推文传播模式与跨模态特征的网络谣言检测研究 被引量:1
7
作者 彭竞杰 顾益军 张岚泽 《情报杂志》 CSSCI 北大核心 2024年第8期124-134,58,共12页
[研究目的]为了有效治理网络谣言,减少网络谣言对社会稳定带来的威胁,提出充分整合帖子的多模态信息和传播模式信息对谣言进行精准识别。[研究方法]提出融合推文传播模式信息与跨模态特征的网络谣言检测模型(PPCMRD)。在推文传播特征挖... [研究目的]为了有效治理网络谣言,减少网络谣言对社会稳定带来的威胁,提出充分整合帖子的多模态信息和传播模式信息对谣言进行精准识别。[研究方法]提出融合推文传播模式信息与跨模态特征的网络谣言检测模型(PPCMRD)。在推文传播特征挖掘方面,首先通过推断潜在连接补全推文传播图,接着采用双向标签图注意力模块编码推文的多个传播模式,然后通过传播模式信息融合模块捕获模式特征间的互补信息,得到帖子的传播特征;在整合多模态特征方面,该模型将帖子的文本、图像和推文传播特征集成在一起,采用跨模态共同注意力机制捕捉不同模态信息间的互补关系,得到帖子的最终嵌入表示,判断是否是谣言。[研究结论]在两个公开数据集上的实验结果表明,PPCMRD模型能够有效地检测谣言,并优于当前的基线模型。 展开更多
关键词 网络谣言 谣言检测 网络谣言检测模型 推文传播模式信息 跨模态特征融合
在线阅读 下载PDF
基于知识图谱的多特征融合谣言检测方法 被引量:2
8
作者 刘小洋 李慧 +2 位作者 张康旗 段迪 文癸凌 《计算机应用研究》 CSCD 北大核心 2024年第5期1362-1367,共6页
为了解决谣言检测中由于缺乏外部知识而导致模型难以感知内隐信息,进而限制了模型挖掘深层信息的能力这个问题,提出了基于知识图谱的多特征融合谣言检测方法(KGMRD)。首先,对于每个事件,将帖子和评论共同构建为一个文本序列,并利用分类... 为了解决谣言检测中由于缺乏外部知识而导致模型难以感知内隐信息,进而限制了模型挖掘深层信息的能力这个问题,提出了基于知识图谱的多特征融合谣言检测方法(KGMRD)。首先,对于每个事件,将帖子和评论共同构建为一个文本序列,并利用分类器从中提取情感特征,利用ConceptNet基于文本构造其知识图谱,将知识图谱中的实体表示利用注意力机制与文本的语义特征进行聚合,进而得到增强的语义特征表示;其次,在传播结构方面,对于每个事件,基于帖子的传播转发关系构建传播结构图,使用DropEdge对传播结构图进行剪枝,从而得到更有效的传播结构特征;最后,将得到的特征进行融合处理得到一个新的表示。在Weibo、Twitter15和Twitter16三个真实数据集上,使用SVM-RBF等七个模型作为基线进行了对比实验。结果表明:对比当前效果最好的基线,KGMRD方法在Weibo数据集的ACC指标提升了1.1%;在Twitter15和Twitter16数据集的ACC指标上提升了2.2%,证明了KGMRD方法是合理的、有效的。 展开更多
关键词 知识图谱 注意力机制 情感词典 谣言检测
在线阅读 下载PDF
基于广度-深度采样和图卷积网络的谣言检测方法
9
作者 王友卫 王炜琦 +2 位作者 凤丽洲 朱建明 李洋 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2024年第10期2040-2052,共13页
现有谣言检测方法存在早期数据丢失、特征利用不充分问题,为此提出新的检测方法.为了充分挖掘事件的早期传播特征,提出广度采样方法并构建与事件对应的传播序列,利用Transformer挖掘长距离评论间的语义相关性并构建事件的传播序列特征.... 现有谣言检测方法存在早期数据丢失、特征利用不充分问题,为此提出新的检测方法.为了充分挖掘事件的早期传播特征,提出广度采样方法并构建与事件对应的传播序列,利用Transformer挖掘长距离评论间的语义相关性并构建事件的传播序列特征.为了有效挖掘事件的传播结构特征,提出基于路径长度的深度采样方法,构建事件对应的信息传播子图和信息聚合子图,利用图卷积网络在挖掘图结构特征方面的优势,获得与事件对应的传播结构特征.将事件对应的传播序列特征表示与传播结构特征表示进行拼接,得到事件对应的最终特征表示.在公开数据集Weibo2016和CED上开展所提方法的有效性验证实验.结果表明,所提方法普遍优于现有典型方法.与基线方法相比,所提方法的准确率和F1值均有显著提升,所提方法在谣言检测领域的有效性得到验证. 展开更多
关键词 谣言检测 图卷积网络 广度采样 深度采样 注意力机制
在线阅读 下载PDF
基于度量学习的多模态谣言检测
10
作者 李娜 余晓栋 朱节中 《国外电子测量技术》 2024年第8期54-63,共10页
目前主流的多模态谣言检测模型,主要侧重于建模过程中模态的特征提取与拼接方法研究,而各模态局部特征关系、模态内与模态间的信息交互往往被忽略,这在一定程度上影响到了谣言检测的效果。针对该问题,提出了一种基于度量学习的多模态谣... 目前主流的多模态谣言检测模型,主要侧重于建模过程中模态的特征提取与拼接方法研究,而各模态局部特征关系、模态内与模态间的信息交互往往被忽略,这在一定程度上影响到了谣言检测的效果。针对该问题,提出了一种基于度量学习的多模态谣言检测方法。考虑到各模态局部特征关系对模态整体特征表示的影响,采用了句法分析和注意力机制技术分别挖掘文本和图片的局部特征关系;同时,将度量学习应用到谣言检测中,通过三元组学习和对比学习找出模态内与模态间的关联信息。在Twitter和Weibo两个公开的数据集上进行了性能测试实验,准确率分别达到92.8%和85.2%,结果表明将各模态局部特征关系、模态内与模态间的信息交互加入谣言检测模型中能够进一步提升谣言检测的精准度。 展开更多
关键词 谣言检测 度量学习 多模态 三元组学习 对比学习
在线阅读 下载PDF
用于谣言检测的图卷积时空注意力融合与图重构方法
11
作者 陈鑫 荣欢 +1 位作者 郭尚斌 杨彬 《计算机科学》 CSCD 北大核心 2024年第11期54-64,共11页
互联网的快速发展给人们带来了便利的社交,同时也为谣言的产生和传播创造了条件。谣言的传播速度之快、影响之恶劣引起了广泛的关注。为了及时识别出谣言以采取截断措施,谣言检测变得尤为重要。然而,在复杂的社交网络中,谣言传播状态动... 互联网的快速发展给人们带来了便利的社交,同时也为谣言的产生和传播创造了条件。谣言的传播速度之快、影响之恶劣引起了广泛的关注。为了及时识别出谣言以采取截断措施,谣言检测变得尤为重要。然而,在复杂的社交网络中,谣言传播状态动态变化、传播过程中干扰信息的存在,以及传播的不确定性等均为谣言检测带来了困难。为了解决上述问题,提出了一种用于谣言检测的图卷积时空注意力融合与图重构方法(STAFRGCN)。该方法对所有待检测言论进行两次检测以降低误判概率,首先使用一种时间渐进卷积模块(TPC)在时间维度上整合待测言论传播状态信息;然后分别在时间和空间两个方面使用注意力提取其主要传播特征信息并融合,对融合结果进行第一次谣言检测;随后基于LSTM预测和图重构方法调整待测言论传播总图结构,将其与第一次检测结果结合进行第二次检测。实验结果表明,STAFRGCN在Twitter15,Twitter16和Weibo数据集上的检测准确率分别为92.2%,91.8%和96.5%,与SOTA模型(KAGN)相比,准确率在3个数据集上分别提升了3.0%,1.5%和1.4%。 展开更多
关键词 谣言检测 图神经网络 图卷积 注意力机制
在线阅读 下载PDF
国内外谣言检测研究热点与趋势——基于CiteSpace的可视化分析
12
作者 徐勇 王雪儿 +1 位作者 王恒娜 彭云克 《现代计算机》 2024年第21期106-112,共7页
谣言检测是近年来自然语言处理等领域的研究热点之一。基于文献计量法,以中国知网和Web of science数据库收录的322篇相关文献作为数据源,对国内外谣言检测领域的年发文数量变化、作者分布与合作情况、研究机构分布情况进行分析,发现近... 谣言检测是近年来自然语言处理等领域的研究热点之一。基于文献计量法,以中国知网和Web of science数据库收录的322篇相关文献作为数据源,对国内外谣言检测领域的年发文数量变化、作者分布与合作情况、研究机构分布情况进行分析,发现近十年研究成果逐年上升,核心作者相互之间合作较少,研究成果主要来源于大学。高频关键词分析显示,国内外的主要研究集中在“社交网络媒体”“特征提取”“深度学习”等方面。未来研究趋势主要集中在“谣言传播源检测”“多模态特征提取和特征融合”等方向。 展开更多
关键词 谣言检测 CITESPACE 文献计量法
在线阅读 下载PDF
基于事件驱动的超图卷积网络的谣言检测方法 被引量:1
13
作者 曾智 赵书庆 +2 位作者 刘欢 赵翔 罗敏楠 《计算机研究与发展》 EI CSCD 北大核心 2024年第8期1982-1992,共11页
依靠社交平台谣言传播链检测谣言是社交网络分析研究中的一个重要课题.但以往的研究大多将这个任务过度简化为依靠评论的传播链检测谣言,忽略了对现实世界新闻帖的复杂用户和事件交互的关注,难以捕捉到这些信息提供的潜在检测线索.针对... 依靠社交平台谣言传播链检测谣言是社交网络分析研究中的一个重要课题.但以往的研究大多将这个任务过度简化为依靠评论的传播链检测谣言,忽略了对现实世界新闻帖的复杂用户和事件交互的关注,难以捕捉到这些信息提供的潜在检测线索.针对该挑战,提出了一个事件驱动的超图卷积网络(event-driven hypergraph convolutional network,EHGCN),首次尝试将新闻、用户和事件建模在一个统一的超图卷积网络之中,以提升谣言检测性能.具体而言,基于用户的中心网络构建同质用户圈,以增强用户感知的谣言检测.此外,EHGCN联合利用事件内的主事件和子事件关联以及事件间的不一致性关联来进行谣言检测.在3个真实世界的数据集上进行的实验结果验证了EHGCN相较于现有方法在谣言检测方面的优势.研究也证实EHGCN可以通过获取丰富的用户社交圈和事件信息,在谣言传播早期及时发现谣言. 展开更多
关键词 谣言检测 事件驱动 超图 卷积网络 同质用户圈
在线阅读 下载PDF
时序感知的异质图神经谣言检测 被引量:2
14
作者 陈林威 宋玉蓉 宋波 《小型微型计算机系统》 CSCD 北大核心 2024年第1期45-51,共7页
近年来,在线社交媒体的发展大大加速了谣言的滋生和传播,谣言的危害性使得谣言的自动检测技术受到研究学者的广泛关注.本文同时考虑事件与事件之间的全局结构关系以及事件内部消息传播的时序关系,以异质图为载体共同显式建模两种关系,... 近年来,在线社交媒体的发展大大加速了谣言的滋生和传播,谣言的危害性使得谣言的自动检测技术受到研究学者的广泛关注.本文同时考虑事件与事件之间的全局结构关系以及事件内部消息传播的时序关系,以异质图为载体共同显式建模两种关系,提出一种新的时序感知的异质图神经谣言检测模型.该模型利用时序感知的自注意力机制捕获事件内部转发(或评论)贴之间的时序关系,并将具有时序信息的转发(或评论)贴与源贴融合,得到事件的局部时序表征;接着利用元素级注意力机制捕捉事件与事件之间的全局结构关系,学习事件的全局结构表征;最后将二者融合用于检测谣言.实验结果表明,该模型优于大多数现有模型,可以提高谣言检测性能,并且同样具有优秀的早期检测性能. 展开更多
关键词 时序感知 异质图 谣言检测
在线阅读 下载PDF
基于图卷积网络的多特征融合谣言检测方法 被引量:1
15
作者 关昌珊 邴万龙 +2 位作者 刘雅辉 顾鹏飞 马洪亮 《郑州大学学报(工学版)》 CAS 北大核心 2024年第4期70-78,共9页
目前,大部分谣言检测工作主要基于Twitter或新浪微博原文本内容、传播结构和传播文本内容进行谣言检测,忽略了原文本特征与其他特征的有效融合,以及传播用户在谣言传播过程中的作用。针对以上问题,提出了一种基于图卷积网络的多特征融... 目前,大部分谣言检测工作主要基于Twitter或新浪微博原文本内容、传播结构和传播文本内容进行谣言检测,忽略了原文本特征与其他特征的有效融合,以及传播用户在谣言传播过程中的作用。针对以上问题,提出了一种基于图卷积网络的多特征融合模型GCNs-BERT,模型同时融合了原文本特征、传播用户特征和传播结构特征。首先,基于传播结构和传播用户构建传播图,将多个用户属性的组合作为传播节点特征;其次,利用多个图卷积网络学习在不同用户属性组合的情况下传播图的表达,同时采用BERT模型学习原文本内容特征表达,最终与图卷积网络学习的特征相融合用于检测谣言。利用公开的新浪微博数据集进行的大量实验表明:GCNs-BERT模型明显优于基线方法。此外,在新冠疫情数据集上进行GCNs-BERT模型泛化能力实验,此数据集训练样本大小仅有新浪微博数据集的1/5,仍然取得了92.5%的准确率,证明模型具有较好的泛化能力。 展开更多
关键词 谣言检测 图卷积网络 传播图 传播用户 特征融合
在线阅读 下载PDF
基于联合情感的多任务谣言检测方法
16
作者 马儀 邵玉斌 +2 位作者 杜庆治 龙华 马迪南 《云南大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第4期642-653,共12页
情感分析在社交媒体谣言检测中有重要作用,现有的谣言检测方法侧重于使用文章的情感特征,忽略了用户评论与文章的联合情感,单任务深度学习谣言检测方法缺少足够的标签数据导致准确率难以提升.为解决上述问题,基于谣言检测与联合情感检... 情感分析在社交媒体谣言检测中有重要作用,现有的谣言检测方法侧重于使用文章的情感特征,忽略了用户评论与文章的联合情感,单任务深度学习谣言检测方法缺少足够的标签数据导致准确率难以提升.为解决上述问题,基于谣言检测与联合情感检测两个任务的相关性,提出了多任务联合学习的谣言检测方法,在同一模型中实现联合情感检测以及谣言检测两个任务.首先,构建编码器提取文章及对应评论的语义特征并映射到同一语义空间,并通过注意力机制加权融合语义特征;其次,通过基于公共情感分类器与情感词典共同构建的情感提取网络提取文章与对应评论的情感特征;最后,将语义特征与联合情感特征融合后输入到两个共享损失函数的分类器中,分别得到谣言检测和联合情感检测的分类结果.实验结果表明,多任务模型的效果强于单任务模型,在公开的中文Weibo-16数据集、英文Twitter-15数据集上相较于对比方法中最好的方法,提出的模型在准确率上分别提升了3.5和2.9个百分点,F1值提高了3.1和3.9个百分点. 展开更多
关键词 谣言检测 用户评论 联合情感 多任务学习
在线阅读 下载PDF
融合时间流特征和传播结构特征的谣言检测
17
作者 董苏军 钱忠 +1 位作者 李培峰 朱巧明 《中文信息学报》 CSCD 北大核心 2024年第9期167-176,共10页
现存关于谣言检测的研究方法要么只关注谣言在社交媒体上传播的时间流特征,要么仅关注传播结构特征,并且使用了大量的辅助信息。实际上,谣言传播的时间流和传播结构特征均有助于提升谣言检测模型的性能,并且能够形成互补作用。与此同时... 现存关于谣言检测的研究方法要么只关注谣言在社交媒体上传播的时间流特征,要么仅关注传播结构特征,并且使用了大量的辅助信息。实际上,谣言传播的时间流和传播结构特征均有助于提升谣言检测模型的性能,并且能够形成互补作用。与此同时,源用户的自我描述相比于其他辅助信息更为重要,并且源推文的语义信息在整个会话线程中起到了关键作用。为解决上述问题,该文提出了一个新颖的谣言检测模型TPSS。该模型融合了时间流和传播结构特征。同时,仅采用源用户的自我描述作为辅助信息,并且提出了一种协同注意力机制来增强源推文的作用。该机制基于源推文特征来增强时间流特征和传播结构特征。在Twitter15、Twitter16和PHEME数据集上的实验结果表明TPSS优于基准系统。 展开更多
关键词 谣言检测 时间流特征 传播结构 增强机制
在线阅读 下载PDF
基于多层次不真实性传播结构的社交媒体谣言检测
18
作者 高准 但志平 +2 位作者 董方敏 张岩珂 张洪志 《中文信息学报》 CSCD 北大核心 2024年第2期142-154,共13页
当前谣言检测工作主要研究谣言传播的方向特性,而忽视了谣言传播的全局结构特性,导致不能充分挖掘谣言潜在的结构特征;此外,现有研究忽略了谣言原始传播结构中存在的不真实关系,从而限制了传播节点特征的学习。为此,该文提出一种多层次... 当前谣言检测工作主要研究谣言传播的方向特性,而忽视了谣言传播的全局结构特性,导致不能充分挖掘谣言潜在的结构特征;此外,现有研究忽略了谣言原始传播结构中存在的不真实关系,从而限制了传播节点特征的学习。为此,该文提出一种多层次的动态传播注意力网络模型(Multi-level Dynamic Propagation Attention Networks,MDPAN)用于检测谣言。该模型通过节点级注意力学习谣言传播图中所有连接边的贡献度,动态地关注对识别谣言有用的传播关系,并基于图卷积网络分别提取谣言不同层次的传播特征、扩散特征以及全局结构特征,最后引入基于注意力机制的池化方法对这些多层次的特征进行有效融合。在公开的Twitter15、Twitter16和Weibo16数据集上的实验结果表明,该文所提出的模型对比主流基于传播结构的EBGCN模型,整体准确率分别提高了2.1%、0.7%和1.7%。 展开更多
关键词 谣言检测 传播结构 节点级注意力 图卷积网络
在线阅读 下载PDF
一种基于动态异构图的谣言检测模型
19
作者 朱文龙 陈羽中 饶孟宇 《小型微型计算机系统》 CSCD 北大核心 2024年第2期319-326,共8页
随着互联网技术和自媒体行业的快速发展,人们可以方便快捷地从社交媒体中获取最新信息,但也让更多的谣言在网络中盛行.现有谣言检测模型多从文本内容、用户信息和传播模式中挖掘有效特征.然而,现有模型未充分学习文本的语义信息和谣言... 随着互联网技术和自媒体行业的快速发展,人们可以方便快捷地从社交媒体中获取最新信息,但也让更多的谣言在网络中盛行.现有谣言检测模型多从文本内容、用户信息和传播模式中挖掘有效特征.然而,现有模型未充分学习文本的语义信息和谣言传播过程中的结构信息,并忽略了谣言传播的动态过程.针对上述问题,本文提出一种基于动态异构图的谣言检测模型DHGNN(Dynamic Heterogeneous Graph Neural Network).首先,为了增强帖子的文本语义表示,本文提出一种多级注意力网络,引导模型关注源帖子和相应评论中关键的词和句子,充分学习源帖与相应评论之间的语义关联.其次,引入了基于异构图的图神经网络,通过对异构传播图中的用户、帖子节点和转发(或评论)关系进行建模,为不同类型的节点和边生成特定的表示,充分学习异构传播图中的结构信息.最后,提出一种基于旋转记忆单元的时序注意力,分别为每个异构传播图快照建立记忆,捕获谣言动态传播的演化模式.在Twitter15、Twitter16数据集上的实验结果表明,DHGNN模型的性能优于最新的对比模型. 展开更多
关键词 谣言检测 多级注意力 异构传播图 图神经网络 时序注意力
在线阅读 下载PDF
融合信息对抗及混合特征表示的社交网络谣言检测方法 被引量:3
20
作者 朱贺 《情报杂志》 CSSCI 北大核心 2024年第2期118-127,共10页
[研究目的]针对现实社交网络中广泛存在的不实评论对谣言检测的负面影响问题,提出对抗学习框架下的谣言检测方法,从而在提升谣言检测准确率的同时,增强模型对噪声信息的容抗性。[研究方法]以信息对抗机制为基础,搭建具有融合结构及时序... [研究目的]针对现实社交网络中广泛存在的不实评论对谣言检测的负面影响问题,提出对抗学习框架下的谣言检测方法,从而在提升谣言检测准确率的同时,增强模型对噪声信息的容抗性。[研究方法]以信息对抗机制为基础,搭建具有融合结构及时序特征表示的生成网络,利用部分网络结构的共享及加强具有自注意力机制的二次鉴别网络,实现将非监督的对抗生成网络向有监督学习任务上的成功拓展。[研究结论]在PHEMEv5和新浪微博两个数据集上,该研究提出的模型在谣言检测的准确率上,相较于9种较为先进的基准模型至少提升了3.1%和4.1%;同时,实验显示,该研究提出的模型对于噪声信息并不敏感。充分证明了该模型在跨平台不同语言环境数据集上较高的谣言检测效果及较强的噪声容抗性。 展开更多
关键词 网络谣言 谣言检测 信息对抗 对抗生成网络 特征融合 自注意力机制
在线阅读 下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部