基于多传递影响力的社交媒体谣言检测方法

社交媒体谣言检测是当前研究的热点问题,现有方法多数通过获取大量用户属性学习用户特征,但不适用于谣言的早期检测,忽略了用户之间的潜在关系对信息传播的影响。提出一种基于多传递影响力的谣言检测方法,根据源微博及其对应转发(评论)之间的关系构建文本信息传播图,并通过图卷积神经网络来捕获、学习文本信息的传播特征。利用文本信息和用户传播过程中的影响力,丰富可用于谣言检测早期的检测信息。将存在转发关系的用户构成用户影响力传播图,构建一种用户节点影响力学习方法,获取用户节点影响力,以增强用户特征信息。在此基础上,将文本特征与用户特征融合以进行谣言检测,从而提升检测效果。在3个真实社交媒体数据集上的实验结果表明,该方法在谣言自动检测以及早期检测的效果都有显著提升,与目前最好的基准方法相比,在微博、Twitter15、Twitter16数据集上的正确率分别提高了2.8%、6.9%和3.4%。

技术主路径分析:基于边链接影响力流的路径搜索

[目的/意义]技术轨道可以用于发现特定技术领域内连续性和非连续性的创新变化。[方法/过程]本文提出基于边链接影响力流的主路径搜索算法,该方法首先采用引文网络中影响力传递算法对引文网络路径的影响力流进行计量和赋值,然后通过主路径全局搜索算法得到影响力总和最大的技术主路径。[结果/结论]相比传统的主路径分析方法,该方法对于引文链接权值度量的描述更加明确合理。对海水淡化领域的实证表明,相比传统的主路径分析法,该方法能够在主路径中找到更早的起源节点,技术主路径的演化过程更加明晰。

从中国之声的改革实践看广播新闻如何突围

本文以中央人民广播电台中国之声为范本,对广播新闻频率如何在媒体竞争中发展壮大进行简要分析。文章认为,广播新闻频率要建立强有力的指挥系统,强化新闻报道的整体运作;让新闻传播过程蕴含情感,传递让听众听得懂、想听的新闻;广播新闻频率在传递信息的同时要传递影响力和舆论引导力。