基于评论异常度的新浪微博谣言识别方法

以微博为代表的社交媒体在为公众提供信息共享平台的同时,也为谣言提供了可乘之机.开展微博中谣言的识别和清理方法研究,对维护社会的安全稳定有着重要的现实意义.本文针对新浪微博平台中谣言识别的问题,提出了一种基于评论异常度的微博谣言识别方法.首先采用D-S理论实现微博评论异常度的计算方法;然后利用评论异常度与微博的内容特征、传播特征、用户特征对微博进行抽象表示;最后再利用SVM(Support vector machine)构建一个基于评论异常度的谣言识别模型,实现对新浪微博中谣言微博的识别.实验表明,本文提出的谣言识别模型对新浪微博中谣言识别具有较好的效果,谣言微博识别的F1值达到了96.2%,相较于现有文献的最好结果提高了1.3%.

一种基于机器学习的垃圾评论实时检测方法

本文提出了一种基于主题模型和评论者异常度的虚假评论识别方法,通过对比实验进行验证。由验证的结果可以得知,本文提出的模型可以提高虚假评论的识别准确率、召回率及F值,可以对垃圾评论起到良好的检测效果。