社会网络谣言检测综述

被引：89

作者：

高玉君 ^{[1
]}

梁刚 ^{[1
]}

蒋方婷 ^{[1
]}

许春 ^{[2
]}

杨进 ^{[1
]}

陈俊任 ^{[1
]}

王浩 ^{[3
]}

机构：

[1] 四川大学网络空间安全学院

[2] 四川大学信息管理中心

[3] 成都信息工程大学软件工程学院

来源：

电子学报 | 2020年 / 48卷 / 07期

关键词：

社会网络; 谣言检测; 网络空间安全;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

摘要：

当前社会网络已取代传统媒体成为信息交流的重要平台,社会网络中的信息具有传播速度快,范围广,即时性强等优点.然而,由于发布信息时缺乏有效的监管手段,导致社会网络平台同时也成为谣言传播的温床.因此,快速有效地检测出社会网络谣言,对净化网络环境,维护公共安全至关重要.本文首先对谣言定义进行阐述,并描述当前谣言检测的问题及检测过程;其次,介绍不同数据获取方式并分析其利弊,同时对比谣言检测中不同的数据标注方法;第三,根据谣言检测技术的发展对现有的人工、机器学习和深度学习的谣言检测方法进行分析对比;第四,通过实验在相同公开数据集下对当前主流算法进行实证评估;最后,对社会网络谣言检测技术面临的挑战进行归纳并总结全文.

引用

页码：1421 / 1435

页数：15

共 16 条

[1]

基于深度学习的场景文字检测综述 [J].

姜维 ;

张重生 ;

殷绪成 .

电子学报, 2019, 47 (05) :1152-1161

[2]

基于个人意愿的社会网络团体结构与信息检测方案 [J].

汪林玉 ;

谷科 ;

余飞 ;

尹波 ;

廖年冬 .

电子学报, 2019, 47 (04) :886-895

[3]

基于分层注意力网络的社交媒体谣言检测 [J].

廖祥文 ;

黄知 ;

杨定达 ;

程学旗 ;

陈国龙 .

中国科学:信息科学, 2018, 48 (11) :1558-1574

[4]

基于卷积神经网络的鲁棒高精度目标跟踪算法 [J].

李康 ;

李亚敏 ;

胡学敏 ;

邵芳 .

电子学报, 2018, 46 (09) :2087-2093

[5]

在线社会网络谣言检测综述 [J].

陈燕方 ;

李志宇 ;

梁循 ;

齐金山 .

计算机学报, 2018, 41 (07) :1648-1677

[6]

一种融合用户关系的自适应微博话题跟踪方法 [J].

柏文言 ;

张闯 ;

徐克付 ;

张志明 .

电子学报, 2017, 45 (06) :1375-1381

[7]

基于语义路径的异质网络社区发现方法 [J].

吴奇 ;

陈福才 ;

黄瑞阳 ;

常振超 .

电子学报, 2016, 44 (06) :1465-1471

[8]

网络谣言传播及其社会影响研究 [J].

邓国峰 ;

唐贵伍 .

求索, 2005, (10)

[9]

F-score Feature Selection Based Bayesian Reconstruction of Visual Image from Human Brain Activity.[J].Wei Huang;Hongmei Yan;Ran Liu;Lixia Zhu;Huangbin Zhang;Huafu Chen.Neurocomputing.2018,

[10]

Unsupervised rumor detection based on users’ behaviors using neural networks.[J].Weiling Chen;Yan Zhang;Chai Kiat Yeo;Chiew Tong Lau;Bu Sung Lee.Pattern Recognition Letters.2018,

← 1 2 →