基于三元特征的深度注意力谣言鉴别模型

发布时间：2021-08-30 23:05

　　社交网络的发展也带来了谣言信息的泛滥,又因人工辟谣的缺陷,自动化地谣言鉴别方法对公共安全、舆情监控极为重要。现有的相关研究方法中,基于特征工程的传统机器学习模型对专家知识的要求高,且人工设计的特征泛用性不尽人意。而已有的端到端的方法模型对事件传播的特征利用的过于单一,不能全面准确地表征模型时序传播过程。本文针对以上问题,提出了将信息在社交网络的传播模式以三元要素特征的时序聚合表示,即事件周期内信息的文本内容、事件的传播轨迹、用户的反馈信号。本文通过对事件不同时段内信息的文本内容主题、事件的用户网络拓扑结构、用户的事件反馈信号三元特征原始数据进行有监督的特征提取,以异质特征聚合来学习事件传播模式的隐层表示,并在此基础上进行谣言鉴别。本文的主要研究内容和创新点有以下四点。1)基于时空相似度核方法的用户网络节点分布式表示学习研究不同类型的社交媒体上用户的信息流动性极大的影响了事件的传播模式,而现有的方法往往忽略了对不同类型社交媒体的考虑。针对开放型社交网络的邻域非同性和邻接稀疏性,本文提出了一种改进的基于时空结构相似和节点度量的有偏随机游走算法用于节点的分布式表示学习,为后续的网络状态表示和... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

动态时间规整路径寻找示意图

图3.2时间间隔映射关系

模型前摄性性能对比


本文编号：3373676