文献类型：期刊文献

中文题名：微博谣言事件自动检测研究

英文题名：Automatic Rumor Event Detection in Chinese Microblogs

作者：王志宏[1];过弋[1,2,3]

机构：[1]华东理工大学信息科学与工程学院,上海200237;[2]大数据流通与交易技术国家工程实验室商业智能与可视化研究中心,上海200237;[3]石河子大学信息科学与技术学院,新疆石河子832003

年份：2019

卷号：33

期号：6

起止页码：132

中文期刊名：中文信息学报

外文期刊名：Journal of Chinese Information Processing

收录：CSTPCD;;北大核心:【北大核心2017】；CSCD:【CSCD2019_2020】；

基金：国家重点研发计划(2018YFC0807105);国家自然科学基金(61462073);上海科学技术委员会(17DZ1101003,18511106602,18DZ2252300)

语种：中文

中文关键词：谣言事件检测;动态时序特征;SVM;在线社交网络

外文关键词：rumor events detection;dynamic time series features;SVM;online social networks

摘要：互联网大数据环境下,谣言事件的散播已成为以微博为代表的在线社交网络持续健康稳定发展的主要障碍之一,因此及时有效地进行谣言事件自动检测对营造清朗的网络环境和维护社会和谐发展有着现实意义。该文以微博事件为背景,综合谣言事件特征随时间变化特性以及时间维度上谣言事件的分布特点,引入论域划分思想,基于模糊聚类算法提出了随时间动态变化的事件时序特征构建模型;同时,基于社会学中谣言的传播原理,提出将事件流行度、模糊度和流传度作为微博谣言事件检测分类器的三项新特征。实验结果表明,该文提出的动态时序特征表示方法和三项新特征使谣言事件自动检测效果得到了可观提升。
Online Social Networks(OSNs)rumor events detection has realistic significance to improve the quality of OSN information ecology environment and maintain social harmony.This paper,integrating the variation of rumor events features over time and the distribution of rumor events in time dimension,proposes a fuzzy algorithm based model to construct the dynamic time series features over time by introducing the idea of domain division.Meanwhile,we introduce the popularity,the ambiguity and the spread as three new features based on the communication theory of rumor events in sociology.The experimental results testify that our proposed model and new features improve the performance of automatic rumor events detection on Chinese Microblogs.