社会网络视角下在线健康社区知识共享与虚假信息传播差异分析

[目的/意义]文章旨在揭示在线健康社区中知识共享网络与虚假信息传播网络的共性与特性,为社区促进知识共享、治理虚假信息传播提供建议。[方法/过程]针对循证治疗知识和虚假信息分别构建知识共享网络和虚假信息传播网络,运用社会网络分析的方法揭示两者在整体网络结构层面的异同,探究知识与虚假信息的传播概况及流动效率;根据用户的信息交流特征对用户进行聚类分析,从用户主题偏好和用户社区粘度两方面对网络中用户行为进行分析,探究用户的信息偏好与行为特征差异。[结果/结论]整体网络分析结果显示,知识共享网络和虚假信息传播网络都具备无标度特性和小世界效应,且具有相似的图等级结构和图效率,然而虚假信息传播网络中用户间联系更为紧密、关联程度更高、凝聚力更强。用户行为分析结果显示,社区成员更关注知识共享网络中支持循证医疗的经验信息和虚假信息传播网络中驳斥虚假信息的客观内容,而且知识共享网络中的用户群体在社区中的留存时间显著高于参与虚假信息讨论的用户群体。

基于多维度图卷积网络的旅游评论有用性识别

【目的】利用深度学习模型识别旅游评论的有用性,给予消费者和酒店管理者商业决策参考。【方法】提出多维度图卷积网络和多模态融合的有用性识别模型,使用BERT和MAE模型分别对文本和图片进行预训练,利用多维度图卷积网络对多模态特征进行建模,再通过注意力机制捕捉多模态间的交互信息,最后融入文本特征进行评论有用性识别。【结果】在Yelp数据集上进行对比实验,结果表明所提模型识别准确率为73.21%,相较于传统单模态和现有多模态模型平均提升了10%。【局限】仅在Yelp数据集上尝试文本和图片两种模态,其他数据融合以及更多模态有待研究。【结论】所提模型将多维度的图卷积网络和多模态特征融入评论有用性识别中,可以有效提升识别的效果。