基于混合神经网络的突发公共卫生事件微博谣言识别研究

摘要：

[研究目的]提高突发公共卫生事件中微博谣言识别效果,分析微博特征对谣言识别的影响,为公众识别谣言、政府及相关部门干预治理提供参考.[研究方法]在用户基本特征和内容特征、传播特征的基础上引入用户历史特征,构建基于混合神经网络的多特征融合谣言识别模型,该模型采用BiLSTM+CNN抽取代表性深度语义特征,与其他特征融合后,使用DNN网络进行谣言识别.[研究结论]实验结果表明:该模型的准确率、查准率、查全率、F1值均高于94％,准确率、查全率、F1值优于其他谣言识别模型;语义特征是谣言识别的关键特征,在此基础上融合单一特征能够大幅提高谣言识别效果,提高程度由高到低,依次为统计特征、传播特征、用户基本特征、用户历史特征和情感特征.递进融合特征越多,模型平均性能、泛化能力越强,谣言识别效果越好.

关键词：公共卫生事件、微博谣言、谣言识别、多特征融合、混合神经网络

所属期刊栏目：41

分类号：TP393(计算技术、计算机技术)

资助基金：国家社会科学基金20&ZD125

在线出版日期：2022-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：81-88