本文關鍵詞：一種用于微博謠言檢測的半監(jiān)督學習算法

  更多相關文章： 微博 謠言檢測 不平衡數(shù)據(jù) 半監(jiān)督學習 Co-Forest算法 SMOTE 代價敏感

【摘要】：在微博謠言檢測中,對微博謠言進行正確標注需要耗費大量的人力和時間,同時數(shù)據(jù)類別的不平衡也影響了微博謠言的正確識別。為了解決該問題,提出一種基于Co-Forest算法針對不平衡數(shù)據(jù)集的改進方法,利用SMOTE算法和分層抽樣平衡數(shù)據(jù)分布,并通過代價敏感的加權投票法來提高對未標記樣本預測的正確率。該方法只需要對少量訓練數(shù)據(jù)實例進行謠言類別標注即可有效檢測謠言。10組UCI測試數(shù)據(jù)和2組微博謠言的實證實驗證明了算法有效性。
【作者單位】： 山東大學計算機科學與技術學院;中國人民解放軍61516部隊;
【關鍵詞】： 微博 謠言檢測 不平衡數(shù)據(jù) 半監(jiān)督學習 Co-Forest算法 SMOTE 代價敏感
【基金】：國家自然科學基金資助項目(61303005)
【分類號】：TP181
【正文快照】： 0引言謠言檢測屬于互聯(lián)網(wǎng)信息可信度[1]研究范疇,是互聯(lián)網(wǎng)信息可信度研究的新方向。國外學者對社交網(wǎng)絡和微博尤其是Twitter可信度作了大量的研究[2~9]。其研究工作首先從Twitter上抓取數(shù)據(jù),去除與特定事件話題無關的tweets作為樣本數(shù)據(jù);接著選取tweets文本內(nèi)容包含的元素統(tǒng)計

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊南海;黃明明;赫然;王秀坤;;基于最大相關熵準則的魯棒半監(jiān)督學習算法[J];軟件學報;2012年02期

2 陳志民;薛月菊;楊敬鋒;葉志嬋;陳劍虹;;半監(jiān)督學習算法在農(nóng)用地分等中的應用[J];計算機工程與設計;2008年23期

3 李凱;馬紅艷;楊楠;陳新勇;;半監(jiān)督學習算法的收斂性及其在人臉識別中的應用[J];河北大學學報(自然科學版);2011年01期

4 繆志敏;胡谷雨;趙陸文;陳彥德;;一種基于支持向量數(shù)據(jù)描述的半監(jiān)督學習算法[J];解放軍理工大學學報(自然科學版);2010年01期

5 陳錦秀;姬東鴻;;基于圖的半監(jiān)督關系抽取[J];軟件學報;2008年11期

6 任亞峰;姬東鴻;尹蘭;;基于半監(jiān)督學習算法的虛假評論識別研究[J];四川大學學報(工程科學版);2014年03期

7 許震;沙朝鋒;王曉玲;周傲英;;基于KL距離的非平衡數(shù)據(jù)半監(jiān)督學習算法[J];計算機研究與發(fā)展;2010年01期

8 劉德山;孫麗;閆德勤;;一種基因數(shù)據(jù)分析的半監(jiān)督學習算法[J];微型機與應用;2014年12期

9 王江;張惠源;李芳;張兵文;李鵬;;腦機接口中半監(jiān)督學習算法研究[J];電子測量技術;2014年05期

10 張健沛;趙瑩;楊靜;;最小二乘支持向量機的半監(jiān)督學習算法[J];哈爾濱工程大學學報;2008年10期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 鄧超;基于“合作—參與”計算認知模型的半監(jiān)督學習算法研究與應用[D];哈爾濱工業(yè)大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 宿洪祿;結構半監(jiān)督學習算法及其應用研究[D];蘇州大學;2010年

2 占惠融;基于圖的半監(jiān)督學習算法研究[D];華中科技大學;2009年

3 魏征麗;基于圖半監(jiān)督學習算法的研究及應用[D];西安電子科技大學;2012年

4 徐寒香;一種基于李群的半監(jiān)督學習算法及應用研究[D];蘇州大學;2009年

5 徐培培;基于LNP的半監(jiān)督學習算法[D];西安電子科技大學;2009年

6 常瑜;基于Tri-training的半監(jiān)督學習算法研究[D];山西大學;2012年

7 王軼初;基于集成學習的半監(jiān)督學習算法研究[D];西安電子科技大學;2011年

8 張毅鋒;一種基于對稱矩陣分解的半監(jiān)督學習算法的研究與應用[D];中山大學;2014年

9 許震;基于KL距離的半監(jiān)督分類算法[D];復旦大學;2010年

10 楊洋;主動式半監(jiān)督學習算法的研究[D];煙臺大學;2012年

，

本文編號：816477