基于半監(jiān)督學習的微博謠言檢測研究.pdf

1、微博作為高科技信息化時代產(chǎn)物，在快速發(fā)展的同時，隨之迅速蔓延的謠言信息也成為日益突出的問題。謠言的自動檢測研究作為社交網(wǎng)絡(luò)謠言研究、監(jiān)控、應(yīng)對和治理的前提，正逐漸受到關(guān)注，關(guān)于微博謠言識別的研究工作越來越多。國內(nèi)外學者對社交網(wǎng)絡(luò)和微博尤其是Twitter可信度作了大量的研究，主流研究實現(xiàn)的主要思路是從用戶特征、文本內(nèi)容特征、傳播特征等方面抽取信息特征，建立分類器來實現(xiàn)謠言檢測。然而采用傳統(tǒng)機器學習算法并不能有效解決微博謠言檢測中存在的數(shù)

2、據(jù)標注代價高昂和數(shù)據(jù)類別不平衡導致檢測準確率低等問題。
　　本文以新浪微博為背景，以微博謠言為研究對象，在前人將檢測任務(wù)作為分類問題求解的框架下，重點關(guān)注于解決傳統(tǒng)監(jiān)督學習算法數(shù)據(jù)標注代價高昂的問題，將半監(jiān)督學習算法引入微博謠言檢測中。同時，針對微博中謠言數(shù)量遠少于非謠言、準確識別謠言比識別非謠言價值更高的事實，將微博謠言檢測定義為一個不平衡數(shù)據(jù)的二分類問題。綜合上述因素，提出一種針對不平衡數(shù)據(jù)集的半監(jiān)督學習算法，用于謠言檢測的分

3、類任務(wù)中。
　　本文的工作主要體現(xiàn)在如下兩個方面。首先，圍繞不平衡數(shù)據(jù)集分類，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——ImCo-Forest算法(semi-supervised learning algorithm from imbalanced data based on Co-Forest)，利用SMOTE算法和分層抽樣平衡數(shù)據(jù)分布，并通過引入代價敏感的加權(quán)投票法來提高對未標記樣本預(yù)測的正確率。為驗證算

4、法的有效性，在10組UCI測試數(shù)據(jù)上進行了實驗比較。其次，在研究不平衡數(shù)據(jù)集分類問題的基礎(chǔ)上，將不平衡數(shù)據(jù)集分類的機器學習方法引入微博謠言檢測領(lǐng)域，并給出一個微博謠言檢測的流程圖。文章最后，通過2組微博謠言的實證實驗證明了所提方法的有效性和優(yōu)越性。
　　通過在新浪微博平臺上抽取的數(shù)據(jù)進行實驗，表明論文提出的方法能有效解決微博謠言檢測中存在的數(shù)據(jù)標注代價高昂和數(shù)據(jù)類別不平衡導致檢測準確率低等問題，適用于海量微博數(shù)據(jù)的分析和謠言檢測。