基于深度学习的微博新闻谣言检测研究与实现

发布时间：2020-06-16 08:19

【摘要】：随着互联网技术的发展和应用的普及,互联网中的信息量正以指数级别的速度飞速地增长,已经成为了一个巨大的信息库。也正因如此大量不可靠的信息可以快速地在人群中传播。而社交媒体上的谣言泛滥可能会导致社会混乱,进而影响人们正常的生活秩序。特别是在面临突发公共事件时,广泛传播的谣言可能会具有极大的破坏性。谣言检测是自然语言处理中文本分类的子任务。谣言检测的主要目的是识别没有丝毫结构规则可言的新闻文本,判断其是否为假新闻(谣言)。在当今社会,微博已经成为人们日常生活中不可分割的一部分,因此本论文选用微博作为实现谣言检测的平台。本课题的研究目的是从海量微博新闻文本信息中,挖掘其中的蕴含的特征,并提出一种新的谣言检测的方法,以微博上的新闻文本和用户评论为数据,对其进行建模,找出分类的关键特征,并以深度学习模型进行分类预测,判断其是否为假新闻(谣言)。所以,本文的主要工作如下所示:1)研究基于用户对于微博新闻观点的谣言检测算法。在社交媒体中,用户可以自由直接地表达对于新闻的看法,用户对于该微博新闻的态度,可以作为一种很重要的特征。因此,本算法同时将评论分为两种大小不同的粒度:词语和评论句子,并结合两种粒度提出了一种谣言检测算法。之后在数据集上与经典谣言检测算法进行了对比试验,验证了算法的有效性。2)研究基于微博新闻文本的情感分类算法。谣言往往带有很强的煽动性,希望会得到广泛的关注与传播,因此大部分会带有比较强烈的感情色彩在其中。本文基于经典的文本分类算法,结合情感词典,提出了一种新的文本情感分类算法,使算法模型对于情感词可以给予更多的关照,并通过实验和经典方法进行对比,验证了算法的有效性。3)结合上述两种结果的算法。本文主要综合考虑了情感倾向和用户态度这两个维度的特征对谣言检测可能产生的影响,因此,通过预训练的方式,将上述两种模型产生的结果进行结合。4)原型系统的设计与研究。本论文以微博为平台,用以实现自己的原型系统。
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.1;TP181
【图文】：

组织结构图,算法结构,论文,组织结构

因此，本文从用户对于微博新闻的观点，和微博新闻文本本身两个方面进行逡逑研宄，之后通过整合两个方面的结果以提升整体的分类的准确度和系统性能。主逡逑要结构框图如下图１－２所示。逡逑新闻本身文逦｜微博新闻评逡逑本信息逦论信息逡逑逦］邋［邋邋逦］邋［邋逡逑文本情感信逦｜评论建模分逡逑息逦析逡逑逦Ｉ邋［逦邋邋｝逦［逦逡逑文本特征向逦｜新闻评论特逡逑量逦征向量逡逑结合文本特逡逑征向量和评逡逑论特征向| 逡逑图１－２本文算法结构图逡逑１．４论文组织结构逡逑本论文主要阐述了基于微博新闻的谣言检测算法的研究与原型系统的实现，逡逑共分为七个部分，组织结构如下：逡逑第一章：介绍了本论文的研究背景和研究内容。并简要说明了研究的意义和逡逑国内外研究的现状。逡逑第二章：介绍了本文所使用的相关技术。逡逑第三章：针对用户评论这一特征，提出了基于用户观点的谣言检测模型算法，逡逑并通过真实的数据集，和经典谣言检测算法进行对比试验，验证了该方法的有效逡逑性。逡逑第四章：针对微博新闻文本的情感特征进行研究，提出了一种基于情感词典逡逑的情感分类算法，并通过数据集上的对比试验，验证了该方法能很好的捕获文本逡逑的情感特征。逡逑６逡逑

单元结构,输出门

图２－１邋ＬＳＴＭ单元结构逡逑中，Ａ表示遗忘门，Ｇ表示输入门，ｃｔ－ｉ表示前一时刻单元状态、ｑ表示当逡逑状态（产生自循环），0ｔ表示输出门，＼表示当前单元的输出，ｈ－ｌ表示前逡逑单元的输出。因此，计算公式如公式２－１至公式２－６所示。逡逑ｈ邋—逦＋逦＾ｉ）逦（２邋—邋１）逡逑ｏｔ邋＝邋ａ（ｘｔＷ０邋＋邋ｈ＾Ｕｏ邋＋邋ｂ０）逦（２邋—邋２）逡逑ｆｔ邋＝邋ａ（ｘｔＷｆ邋＋邋ｈｔ＾Ｕｆ邋＋邋ｂｆ）逦（２－３）逡逑ｃ［邋＝邋ｔａｎｈ（ｘｔＭ／ｃ邋＋逦＋邋＾ｃ）逦（２邋—邋４）逡逑ｃｔ邋＝邋ｆｔ＇邋ｃｔ－ｉ邋ｈ邋＇邋ｃｔ逦（２邋—邋５）逡逑ｈｔ邋—邋ｏｔ邋？邋ｔａｎｈ（ｃｔ）逦（２邋—邋６）逡逑ＲＵ基础单元逡逑ＲＵ即Ｇａｔｅｄ邋Ｒｅｃｕｒｒｅｎｔ邋Ｕｎｉｔ，实际上属于ＬＳＴＭ的一个变体，既保持，。，ＬＳＴＭ

【相似文献】