1(东南大学计算机科学与工程学院 南京 211189); 2(东南大学网络空间安全学院 南京 211189); 3(计算机网络与信息集成教育部重点实验室(东南大学) 南京 211189) (bliu@seu.edu.cn)
出版日期:
2019-09-10基金资助:
国家重点研发计划项目(2017YFB1003000);国家自然科学基金项目(61370208,61472081,61320106007,61272531);国家“八六三”高技术研究发展计划基金项目(2013AA013503);江苏省网络与信息安全重点实验室基金项目(BM2003201);江苏省计算机网络技术重点实验室基金项目(BE2018706)Evaluation of Content Credibility in Social Media
Liu Bo1,3, Li Yang2,3, Meng Qing1, Tang Xiaohu1, Cao Jiuxin21(School of Computer Science and Engineering, Southeast University, Nanjing 211189); 2(School of Cyber Science and Engineering, Southeast University, Nanjing 211189); 3(Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education, Nanjing 211189)
Online:
2019-09-10Supported by:
This work was supported by the National Key Research and Development Program of China (2017YFB1003000), the National Natural Science Foundation of China (61370208, 61472081, 61320106007, 61272531), the National High Technology Research and Development Program of China (863 Program) (2013AA013503), the Jiangsu Provincial Key Laboratory of Network and Information Security Foundation (BM2003201), and the Jiangsu Provincial Key Laboratory of Computer Network Technology Foundation (BE2018706).摘要/Abstract
摘要: 近年来社交媒体在拓宽人们获取信息渠道的同时,也方便了虚假信息的传播,并造成了严重的负面影响.与传统互联网媒体相比,社交媒体包含的信息更加复杂多样,为内容可信性的判断带来了新的挑战.已有研究在分析社交媒体内容可信性时,对挖掘可信性影响因素进行了很多工作,但缺乏对噪音数据的处理,大量的无用推文会对推文可信性判断造成干扰,进而会影响事件层面的可信性判断,从大量噪音数据中筛选出真正有用的推文数据就显得尤为重要.在推文层面同时考虑用户的主题因素和从众行为,减少了从众转发等噪音数据在可信性判断过程中的作用,对社交媒体内容的可信性进行研究,采用贝叶斯网络建立了社交媒体内容可信性评价模型,并通过新浪微博公开数据集验证了模型的有效性.
参考文献
相关文章 6
[1] | 蔡国永,吕光瑞,徐智. 基于层次化深度关联融合网络的社交媒体情感分类[J]. 计算机研究与发展, 2019, 56(6): 1312-1324. |
[2] | 焦旭,肖迎元,郑文广,朱珂. 基于位置的社会化网络推荐技术研究进展[J]. 计算机研究与发展, 2018, 55(10): 2291-2306. |
[3] | 吴蕾,张文生,王珏. 基于深度学习框架的隐藏主题变量图模型[J]. 计算机研究与发展, 2015, 52(1): 191-199. |
[4] | 冷彪,赵文远. 基于客流数据的区域出行特征聚类[J]. 计算机研究与发展, 2014, 51(12): 2653-2662. |
[5] | 郭乔进 李 宁 杨育彬 武港山. LDA-CRF:一种基于概率图模型的目标检测方法[J]. , 2012, 49(11): 2296-2304. |
[6] | 汪荣贵 高 隽 张佑生 彭青松. 一种新的面向对象的概率图模型[J]. , 2005, 42(8): 1283-1292. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4010