-
题名基于梯度提升决策树的微博虚假消息检测
被引量:21
- 1
-
-
作者
段大高
盖新新
韩忠明
刘冰心
-
机构
北京工商大学计算机与信息工程学院
北京工商大学食品安全大数据技术北京市重点实验室
University of Liverpool
-
出处
《计算机应用》
CSCD
北大核心
2018年第2期410-414,420,共6页
-
基金
教育部人文社会科学研究基金资助项目(13YJC860006)
北京市自然科学基金资助项目(4172016)
北京市科技计划项目(Z161100001616004).
-
文摘
微博是信息共享的重要平台,同时,也成为虚假消息产生和推广的重要平台,虚假消息的传播严重扰乱了社会秩序。为了快速、有效地识别微博虚假消息,提出一种基于梯度提升决策树(GBDT)的虚假消息检测方法。首先,从评论的角度分析微博虚假消息和真实消息之间存在的差异,在此基础上提取评论中的文本内容、用户属性,信息传播和时间特性的分类特征;然后,基于分类特征,采用GBDT算法实现微博虚假消息识别模型;最后,在两个真实的微博数据集上进行验证。实验结果表明,基于GBDT的识别模型能有效提高微博虚假消息检测的准确率。
-
关键词
微博
社交网络
虚假消息
梯度提升决策树
评论
-
Keywords
micro-blog
social network
misinformation
gradient boost decision tree
comment
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于神经网络的微博虚假消息识别模型
被引量:9
- 2
-
-
作者
段大高
谢永恒
盖新新
刘占斌
-
机构
北京工商大学
北京锐安科技有限公司
信息网络安全公安部重点实验室
-
出处
《信息网络安全》
CSCD
2017年第9期134-137,共4页
-
基金
教育部人文社会科学研究青年基金[13YJC860006]
信息网络安全公安部重点实验室(公安部第三研究所)开放课题[C17600]
-
文摘
文章提出一种融合博主属性和微博消息文本特征的神经网络识别模型。首先根据博主信息获取博主特征:博主类别、博主活跃度、博主好友值、博主粉丝值、博主消息原创比;接着基于word2vec得到微博文本表征向量,并利用并行卷积人工神经网络提取文本特征,根据语义内容得到文本的特征表示;最后构建BP神经网络识别模型,融合微博文本的语义属性和微博博主的自身属性,作为识别模型的多元特征输入,利用BP神经网络识别微博消息。
-
关键词
虚假消息识别
神经网络
微博消息
深度学习
-
Keywords
rumor detection
neural network
Weibo
deep learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.1
[自动化与计算机技术—计算机应用技术]
-