社交網絡的發(fā)展也帶來了謠言信息的泛濫,又因人工辟謠的缺陷,自動化地謠言鑒別方法對公共安全、輿情監(jiān)控極為重要�，F有的相關研究方法中,基于特征工程的傳統(tǒng)機器學習模型對專家知識的要求高,且人工設計的特征泛用性不盡人意。而已有的端到端的方法模型對事件傳播的特征利用的過于單一,不能全面準確地表征模型時序傳播過程。本文針對以上問題,提出了將信息在社交網絡的傳播模式以三元要素特征的時序聚合表示,即事件周期內信息的文本內容、事件的傳播軌跡、用戶的反饋信號。本文通過對事件不同時段內信息的文本內容主題、事件的用戶網絡拓撲結構、用戶的事件反饋信號三元特征原始數據進行有監(jiān)督的特征提取,以異質特征聚合來學習事件傳播模式的隱層表示,并在此基礎上進行謠言鑒別。本文的主要研究內容和創(chuàng)新點有以下四點。1)基于時空相似度核方法的用戶網絡節(jié)點分布式表示學習研究不同類型的社交媒體上用戶的信息流動性極大的影響了事件的傳播模式,而現有的方法往往忽略了對不同類型社交媒體的考慮。針對開放型社交網絡的鄰域非同性和鄰接稀疏性,本文提出了一種改進的基于時空結構相似和節(jié)點度量的有偏隨機游走算法用于節(jié)點的分布式表示學習,為后續(xù)的網絡狀態(tài)表示和... 

【文章來源】：武漢大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

動態(tài)時間規(guī)整路徑尋找示意圖

圖3.2時間間隔映射關系

模型前攝性性能對比


本文編號：3373676