典型文献
多特征融合的突发公共卫生事件潜在谣言传播者识别
文献摘要：
[目的/意义]突发公共卫生事件中谣言的迅速传播可能会引发群体性的焦虑和恐慌,识别社交媒体中潜在的谣言传播者,研究及评估影响谣言传播者识别的重要特征,为舆情管控和网络治理提供策略.[方法/过程]提出一种突发公共卫生事件情景下多特征融合的潜在谣言传播者识别模型,首先基于BERT-BiLSTM模型提取微博的语义特征,然后与用户特征、微博特征以及情感特征进行融合,最后基于LightGBM算法构建用户分类模型,并利用SHAP值对模型进行分析.[结果/结论]研究结果表明,融合多特征的突发公共卫生事件谣言传播者识别模型在微博数据集上的准确率能够达到87.94％,说明该模型具有较好的识别效果,提出的4个维度的特征对谣言传播者识别均有贡献,其中文本语义特征对谣言传播者识别准确率的提升最高.
文献关键词：
谣言传播者;特征融合;LightGBM模型;SHAP值
中图分类号：
作者姓名：
曾子明;张瑜;李婷婷
作者机构：
武汉大学信息管理学院 武汉430072
文献出处：
引用格式：
[1]曾子明;张瑜;李婷婷-.多特征融合的突发公共卫生事件潜在谣言传播者识别)[J].图书情报工作,2022(13):80-90
A类：
谣言传播者
B类：
多特征融合,突发公共卫生事件,群体性,恐慌,社交媒体,舆情,网络治理,识别模型,BERT,BiLSTM,用户特征,情感特征,LightGBM,用户分类,分类模型,SHAP,微博数据,文本语义特征,识别准确率
AB值：
0.170025
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。
