自动迭代聚类数据集训练的虚假信息识别方法

摘要：

随着互联网虚假信息日益泛滥,自动识别虚假信息成为互联网信息治理的迫切需求.互联网上虚假信息伴随新事件不断产生,导致识别虚假信息的有监督统计机器学习模型需要不断更新迭代.每次迭代更新都需要构建新的训练集,以便新的虚假信息能在训练集中得以体现.为此,本研究提出一种动态迭代更新训练集构筑机器学习模型的虚假信息识别方法,设计基于核密度估计的迭代聚类方法对虚假信息数据集进行迭代聚类.在每一个自动得到的聚类中,按比例分别选取训练集样本和测试集样本构造分类器的训练样本集和测试样本集,使新产生事件的样本能够在训练集中得到体现.研究结果显示,基于核密度估计的迭代聚类方法划分数据集训练得到的虚假信息分类器,与随机划分数据集策略相比,能够显著提升虚假信息分类准确度.

关键词：聚类、核密度估计、数据集划分、虚假信息、识别

所属期刊栏目：42

分类号：TP301.6;C913.6;TP18

资助基金：中国科学技术信息研究所创新研究基金项目;科技论文原创性与新颖性评估方法研究

在线出版日期：2023-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：59-73