基于朴素贝叶斯分类的网络谣言识别研究

摘要：

谣言的传播会破坏社会秩序、危害国家稳定、造成大众恐慌,而社交平台的广泛应用使得信息传播速度更快、波及范围更广,加大了谣言造成的负面影响,如何快速准确地识别网络谣言成为信息传播领域的热点问题.谣言识别本质上是一个二分类问题,因而基于贝叶斯分类的思想设计了网络谣言识别的朴素贝叶斯分类算法,利用Matlab软件构建朴素贝叶斯分类器,并采用从微博中收集的数据对该算法进行实验验证,通过控制训练集,对比识别结果的准确率、精确率、召回率和F1值,探究了不同训练条件下的朴素贝叶斯分类器对谣言与非谣言的识别情况和内含规律.研究表明,朴素贝叶斯分类器对于网络谣言识别具有有效性,且训练集的选取与控制对识别结果的影响较大,识别准确率随着训练条件的不同发生波动.

关键词：朴素贝叶斯分类、谣言识别、机器学习

所属期刊栏目：44

分类号：TP393.08(计算技术、计算机技术)

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：495-501