关键词：
集成学习
谣言识别
危害评估
Stacking
传播学
摘要：
在网络信息日益增长的时代背景下,关于网络谣言的监管治理手段及立法也逐渐成为各学科领域研究的焦点之一。明确网络谣言的相关定义,分析研究网络谣言的特点,对更有效地甄别出网络信息中的谣言有着重要作用。对网络谣言的危害性进行等级划分评估,也给网络空间的治理提供了一定的技术支撑。本文主要以微博平台作为研究对象,在总汇分析了现有网络谣言相关研究的不足后,针对微博谣言的识别检测与危害评估的方法展开了研究分析。主要内容包括:第一,针对当前研究中缺少关于网络谣言的明确定义的问题,结合传播学中的5W模式给出了网络谣言与微博谣言的定义,并对微博谣言的定义进行了形式化的描述。结合定义,构造并筛选出了适用于微博谣言识别的特征集,提出了一种基于Stacking集成学习的微博谣言识别模型。实验结果表明,该微博谣言识别方法能够有效地进行谣言识别,且在实际应用中的效果最好。第二,针对当前网络谣言的相关评估主要是定性研究分析,较少进行定量分析,因而难以实现评估自动化的问题,在分析研究了前人所构建的舆情危机预警等级指标体系的基础上,结合传播学给出了网络谣言危害性的评估指标体系,并采用模糊层次分析法对各个指标进行了权重分配。之后,选用了随机森林算法对微博谣言的危害性进行了等级划分。实验结果表明,该微博谣言危害评估方法能够有效进行危害评估。第三,针对当前缺少监控治理网络谣言、避免其大肆传播而造成危害的有效手段的问题,通过结合前两部分关于谣言识别与危害评估的研究,设计并实现了一种集微博谣言识别与危害性评估于一体的微博舆情预警原型系统。
欢迎来到三峡大学图书馆！
