微博谣言检测方法研究

被引：21

作者：

程亮 ^{[1
]}

邱云飞 ^{[2
]}

孙鲁 ^{[1
]}

机构：

[1] 辽宁工程技术大学电子与信息工程学院

[2] 辽宁工程技术大学软件学院

来源：

计算机应用与软件 | 2013年 / 30卷 / 02期

关键词：

微博; 谣言; BP神经网络模型; 激发函数; 冲量项;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

080402 ;

摘要：

微博中某一话题引起强烈关注,随着事态的发展,关于此话题的信息也开始偏轨,错误观点、失实报道经转发充斥了微博信息平台,话题在传播过程中演变出谣言。微博谣言在传播过程中具有传播速度越来越快、传播范围越来越广、传播过程越来越难以控制等特点。提出基于BP神经网络模型及改进其激发函数,同时引入冲量项,对微博话题在传播过程中演变为谣言进行检测。实验结果表明,该算法具有较好的检测效果。

引用

页码：226 / 228+262 +262

页数：4

共 9 条

[1] 一种中文微博新闻话题检测的方法 [J].

郑斐然 ;

苗夺谦 ;

张志飞 ;

高灿 .

计算机科学, 2012, 39 (01) :138-141

[2] 微博社区的谣言传播仿真研究 [J].

许晓东 ;

肖银涛 ;

朱士瑞 .

计算机工程, 2011, 37 (10) :272-274

[3] 基于概念网络的短文本分类方法 [J].

林小俊 ;

张猛 ;

暴筱 ;

李军 ;

吴玺宏 .

计算机工程, 2010, 36 (21) :4-6

[4] 基于语义的微博短信息分类 [J].

崔争艳 .

现代计算机(专业版), 2010, (08) :18-20+24

[5] 面向短文本的动态组合分类算法 [J].

闫瑞 ;

曹先彬 ;

李凯 .

电子学报, 2009, 37 (05) :1019-1024

[6] BP神经网络在证券分析预测中应用 [J].

陈可 ;

张琴舜 ;

陈培培 ;

蔡日基 .

计算机工程, 2001, (11) :95-97

[7]

神经网络理论与应用[M]. 华南理工大学出版社 , 徐秉铮等编著, 1994

[8]

神经网络系统理论[M]. 西安电子科技大学出版社 , 焦李成著, 1990

[9] Bayesian Network Classifiers [J].

Nir Friedman ;

Dan Geiger ;

Moises Goldszmidt .

Machine Learning, 1997, 29 :131-163

← 1 →