基于CCA和数据引力场模型的社交媒体信息置信度评估方法

• 作者: 张萌 李杨 沙朝锋
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 信息置信度 典型相关分析 数据引力场 社交媒体
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 研究与设计
• 页码范围: 41-44,53
• 页数: 5页
• 分类号: TP311
• 字数: 3927字
• 语种: 中文

摘要

近年来,微博平台作为社交媒体载体之一,已经成为新闻信息传播的重要工具.然而,微博平台自身特性决定了其无法提供避免谣言或是虚假信息传递的有效机制.针对这一问题,建立一套完整的算法框架来判断微博的置信度.首先,从不同视角对微博数据提取特征,并将这些多视角的特征通过典型相关分析法(Canonical Correlation Analysis,以下简称CCA)映射到共同子空间中.接下来,从物理学的重力场理论中获得启发,设计一种新的判别学习算法-数据引力场模型(Data Gravitational Field,以下简称DGF)并从大量信息中判别出错误信息或虚假信息.实验表明,这种信息置信度自动检测方法能够达到较高的准确率和召回率.同时,相比较于其它学习算法,数据引力场模型也有更好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沙朝锋	复旦大学计算机科学技术学院	9	343	5.0	9.0
2	张萌		13	104	3.0	10.0
3	李杨		17	60	4.0	7.0