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)絡謠言研究、監(jiān)控、應對和治理的前提，正逐漸受到關注，關于微博謠言識別的研究工作越來越多。國內外學者對社交網(wǎng)絡和微博尤其是Twitter可信度作了大量的研究，主流研究實現(xiàn)的主要思路是從用戶特征、文本內容特征、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，在前人將檢測任務作為分類問題求解的框架下，重點關注于解決傳統(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投票法來提高對未標記樣本預測的正確率。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。