典型文献
传播用户代表性特征学习的谣言检测方法
文献摘要：
谣言的及时发现和有效管控,是互联网+政务服务中公共舆情治理的重要组成部分.互联网和移动互联网的发展,提高了民众沟通交流的便利度,同时也加速了谣言的传播速度和广度,极大地提高了谣言的影响力和危害力,给民众的生产生活带来干扰,也严重影响社会秩序.现有的网络平台辟谣工作大多依赖于人工举报筛查,往往耗费大量的时间和精力.而利用数据挖掘、机器学习技术实现的谣言检测算法大多基于文本信息,常用于追溯性谣言检测,不适用于谣言扩散早期数据量不足的情况.首先收集最新的网络平台数据进行标注构造数据集Weibo2020,对其中用户特征分布进行统计分析并选择具有代表性的用户特征,进而提出了基于传播用户代表性特征学习的早期谣言检测方法(RPPC).经实验验证,RPPC与同样基于传播路径的算法在同等条件下,在输入数据规模减少50％的同时,将准确率提高了2.57个百分点.此外,该方法能对5 min内发布的消息进行检测,快速发现互联网内容中的疑似谣言且准确率达到近80％.因此可以认为提出的方法在现有的数据集中有较好的表现,能够在一定程度上辅助政府部门的舆情治理工作,从而提高政务服务的时效及质量.
文献关键词：
谣言检测;机器学习;特征分析;传播路径;互联网+政务服务;舆情治理
中图分类号：
作者姓名：
谢欣彤;胡悦阳;刘譞哲;赵耀帅;姜海鸥
作者机构：
北京大学 信息科学技术学院,北京 100871;高可信软件技术教育部重点实验室(北京大学),北京 100871;北京大学 软件与微电子学院,北京 102600;中国民航信息网络股份有限公司,北京 101318;中国民用航空局 民航旅客服务智能化应用技术重点实验室,北京 101318;北京大学(天津滨海)新一代信息技术研究院,天津 300452
文献出处：
引用格式：
[1]谢欣彤;胡悦阳;刘譞哲;赵耀帅;姜海鸥-.传播用户代表性特征学习的谣言检测方法)[J].计算机科学与探索,2022(06):1334-1342
A类：
Weibo2020,RPPC
B类：
代表性特征,特征学习,谣言检测,有效管控,政务服务,舆情治理,移动互联网,沟通交流,便利度,传播速度,极大地提高,社会秩序,辟谣,举报,耗费,机器学习技术,检测算法,文本信息,追溯性,期数,数据量,平台数据,构造数据,用户特征,特征分布,传播路径,同等条件,输入数据,百分点,互联网内容,治理工作
AB值：
0.294067
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
