一种用于微博谣言检测的半监督学习算法

• 作者: 周珮 石冰 路同强 闫中敏
• 来源期刊: 计算机应用研究
• 关键词: 微博 谣言检测 不平衡数据 半监督学习 Co-Forest 算法 SMOTE 代价敏感
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 744-748
• 页数: 5页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.03.024

摘要

在微博谣言检测中，对微博谣言进行正确标注需要耗费大量的人力和时间，同时数据类别的不平衡也影响了微博谣言的正确识别。为了解决该问题，提出一种基于 Co-Forest 算法针对不平衡数据集的改进方法，利用 SMOTE 算法和分层抽样平衡数据分布，并通过代价敏感的加权投票法来提高对未标记样本预测的正确率。该方法只需要对少量训练数据实例进行谣言类别标注即可有效检测谣言。10组 UCI 测试数据和2组微博谣言的实证实验证明了算法有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫中敏	山东大学计算机科学与技术学院	5	21	3.0	4.0
2	石冰	山东大学计算机科学与技术学院	46	346	11.0	17.0
3	周珮	山东大学计算机科学与技术学院	1	12	1.0	1.0