基于用户特征分析的微博谣言早期检测研究

摘要：

[目的/意义]开放的微博平台是谣言的重要发源地,研究谣言检测对于减少谣言的传播,降低或消除谣言的影响具有重要现实意义.[方法/过程]提出了一种基于用户特征分析的微博谣言早期检测方法,通过对用户历史微博进行情感分析得到用户的发文行为特征,结合用户属性和微博文本,使用卷积-长短期记忆网络(Convolution-Long Short-Term Memory,C-LSTM)模型实现谣言早期检测.[结果/结论]与目前大多数微博谣言检测方法不同的是,该方法基于微博用户的历史行为特征,不依赖待检测微博的评论转发信息,减少了等待产生评论转发信息的时间,实现了微博谣言的实时早期检测.

关键词：微博谣言、谣言检测、行为特征、深度学习、卷积-长短期记忆网络

所属期刊栏目：39

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金-新疆联合基金项目"网络谣言检测与舆论引导算法研究"编号:U1703261

在线出版日期：2020-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：81-86