基于把关人行为的微博虚假信息及早检测方法
目前微博已成为人们获取信息和发布信息的一个重要平台,然而微博也正成为虚假信息滋生和泛滥的温床。现有的方法主要基于分类算法来识别虚假信息,这些方法不能及早发现微博上流行的虚假信息。为了减少虚假信息对公众的影响,使微博在人们的生产和生活中发挥更积极的作用,文中提出一种基于把关人行为的微博虚假信息及早检测方法。该方法利用模型状态持续时间概率为 Gamma 分布的隐半马尔可夫模型来刻画信息转发者和评论者对流行的真实信息的把关行为,基于此来及早识别微博上流行的虚假信息。该方法分为模型训练和虚假信息检测两个阶段,在虚假信息检测阶段,计算每条信息在传播过程中产生的观测序列相对于模型的平均对数似然概率,实时更新每条信息的可信度,从而及早发现虚假信息,降低虚假信息的危害。使用采集的新浪微博数据集和Twitter 数据集对文中的方法进行了测试,实验结果表明了该方法的有效性。
微博、虚假信息、把关人、隐半马尔可夫模型、社会媒体、社交网络、数据挖掘
39
TP393(计算技术、计算机技术)
国家自然科学基金61202271,61572145,61402119;广东省高等学校优秀青年教师培养计划项目GWTPSY201403;国家社会科学基金项目13CGL130;教育部人文社会科学研究青年项目14YJC870021, ,13YJCZH258资助.
2016-05-20(万方平台首次上网日期,不代表论文的发表时间)
共15页
730-744