基于RNN的网络舆情谣言判断研究

发布时间：2022-01-24 02:17

　　【目的/意义】对网络中大量的舆情进行真实与虚伪信息的判断,保留真实,去掉虚假,同时为政府舆情工作者提供谣言判断进行借鉴。【方法/过程】采集微博的谣言与非谣言的主题、回复等数据作为数据集,使用Paddle Fluid API编程,并配置循环神经网络模型（Recurrent Neural Network）,使用数据集进行模型训练,最后进行模型分析检测。【结果/结论】通过RNN模型训练和数据分析,使舆情中的谣言事件数据化,挖掘文本中的虚假信息特征集,从而进行更好的谣言判断,同时也能使舆情工作者更好的控制谣言。 

【文章来源】：电脑知识与技术. 2020,16(24)

【文章页数】：3 页

【部分图文】：

特征集

对训练集和验证集进行划分：创建序列化表示的数据，按照比例划分训练集以及验证集，将其分别存放至eval＿list.txt和train＿list.txt。3.3 模型配置与训练

模型训练曲线图

【参考文献】：
期刊论文
[1]循环神经网络（RNN）及应用研究[J]. 刘礼文,俞弦.  科技视界. 2019(32)
[2]影响群体智慧抑制社会化媒体谣言传播的因素研究[J]. 占欣,夏志杰,罗梦莹,何音.  图书馆. 2018(08)
[3]反驳改述谣言能够消除事实幻觉效应[J]. 熊炎.  现代传播(中国传媒大学学报). 2018(03)
[4]社交媒体附加信息对用户信任与分享健康类谣言的影响分析[J]. 邓胜利,付少雄.  情报科学. 2018(03)
[5]网络谣言文本句式特征分析与监测系统[J]. 姜赢,张婧,朱玲萱,渠畅.  电子设计工程. 2017(23)
[6]基于信息传播模型-SIR传染病模型的社交网络舆情传播动力学模型研究[J]. 赵剑华,万克文.  情报科学. 2017(12)
[7]作为风险文化的微信谣言——“无知羞耻”下的信息互酬与角色扮演[J]. 刘汉波.  民族艺术. 2017(05)
[8]基于情报学方法的网络舆情监测研究[J]. 唐涛.  情报科学. 2014(01)
[9]微博谣言识别研究[J]. 贺刚,吕学强,李卓,徐丽萍.  图书情报工作. 2013(23)
[10]基于发生周期的突发事件网络舆情风险评价指标体系[J]. 张玉亮.  情报科学. 2012(07)

硕士论文
[1]基于敏感词库的微博谣言识别研究[D]. 林荣蓉.中南财经政法大学 2018
[2]基于LSTM情感分析模型的微博谣言识别方法研究[D]. 陈帆.华中师范大学 2018



本文编号：3605635