http://www.chinalibs.net 2021/9/25
[作者] 孙冉，安璐
[单位] 武汉大学
[摘要] [目的/意义]揭示社交媒体环境下识别谣言过程中的关键要素和谣言识别机制，识别突发公共卫生事件中的谣言微博，研究及评估影响谣言识别的重要特征，有助于准确识别网络谣言、维护健康的网络生态环境。[方法/过程]文章抽取谣言微博的用户特征、时间特征、微博文本结构特征、文本语义特征和微博传播特征，结合MAIN理论模型，采用二元逻辑回归方法从信息内容、信息模态、信息源角度对谣言的影响因素深入研究，利用神经网络模型提取文本语义特征，构建融合文本语义特征的多特征谣言识别模型，并通过XGBoost算法计算不同特征在谣言识别中的重要性。[结果/结论]正向评论情感度、用户发布微博数、用户影响力越大，则是谣言的可能性越小。谣言识别模型的准确率达到0.984，其中，文本语义特征的重要性最高。
[目的/意义]揭示社交媒体环境下识别谣言过程中的关键要素和谣言识别机制，识别突发公共卫生事件中的谣言微博，研究及评估影响谣言识别的重要特征，有助于准确识别网络谣言、维护健康的网络生态环境。[方法/过程]文章抽取谣言微博的用户特征、时间特征、微博文本结构特征、文本语义特征和微博传播特征，结合MAIN理论模型，采用二元逻辑回归方法从信息内容、信息模态、信息源角度对谣言的影响因素深入研究，利用神经网络模型提取文本语义特征，构建融合文本语义特征的多特征谣言识别模型，并通过XGBoost算法计算不同特征在谣言识别中的重要性。[结果/结论]正向评论情感度、用户发布微博数、用户影响力越大，则是谣言的可能性越小。谣言识别模型的准确率达到0.984，其中，文本语义特征的重要性最高。
详情请下载：突发公共卫生事件中谣言识别研究.pdf
引用本文:
孙冉，安璐．突发公共卫生事件中谣言识别研究[DB/OL]．[2025-05-31]．http://www.chinalibs.net/ArticleInfo.aspx?id=509033．
温馨提示:
如果您的作品引用了本文，请您发邮件（leisun@chinalibs.net ）告诉我们，我们会给您一个小小的惊喜哟!
——【北京雷速科技有限公司】
