基于贝叶斯理论的社会化媒体网络信息内容可信度测度

摘要：

[目的]构建网络信息内容可信度的定量测度模型,以提高虚假信息的筛除效率.[方法]基于贝叶斯推理理论,构建网络信息内容可信度的测度模型;基于贝叶斯决策理论,构建可信度测度有效性的最小错误率评估模型.[结果]基于实际数据集的实验结果表明,随着社会化媒体参与者规模增加,可信度测度的最小错误率呈下降趋势,且贝叶斯可信度测度模型总体优于传统的模糊可信度测度模型.[局限]可信度测度错误率的影响因素只关注参与者规模因素,而其他影响因素,如条件属性或可参照对象等,将需要进一步研究.[结论]基于集体智慧理论,揭示网络信息内容可信度测度的最小错误率会随着参与者规模增加而降低.

关键词：可信度测度、网络信息内容、贝叶斯理论、社会化媒体、集体智慧

分类号：G2(信息与知识传播)

资助基金：国家自然科学基金项目“多元交互视角下网络信息可信度的场景性测度研究”71673122;国家自然科学基金项目“基于编译的嵌入式软件可靠性加强方法研究”61640220;全国统计科学研究重点项目“社交媒体环境下统计数据信息可信度的测度研究”项目2015LZ29的研究成果之一

在线出版日期：2017-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：83-92