基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
网络舆情中的谣言对社会危害极大,因此有效地检测网络舆情中的谣言已是当务之急.目前,一些单一机器学习算法被相继应用到谣言检测中.针对这些单一机器学习算法在分类上的局限性,将一种融合逻辑回归与决策树的逻辑模型树方法用于谣言检测上.根据舆情分析报告上采集的数据集,实验结果表明:组合模型逻辑模型树的分类预测准确率比已应用到谣言检测的单一机器学习算法明显要高,逻辑模型树是一种有效的谣言检测方法.
推荐文章
一种K-MEANS算法在网络异常检测中的应用
入侵检测
异常检测
K-MEANS
一种用于微博谣言检测的半监督学习算法
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
企业谣言、网络舆情治理与股价波动
市场谣言
传谣效应
辟谣效应
网络舆情治理水平
一种基于结构与内容的网络水军检测模型
社交网络
网络水军
谣言信息
重叠结构
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种逻辑模型树算法在网络舆情中的谣言检测
来源期刊 南华大学学报(自然科学版) 学科 工学
关键词 网络舆情 谣言检测 逻辑模型树
年,卷(期) 2018,(3) 所属期刊栏目 计算机科学
研究方向 页码范围 43-48
页数 6页 分类号 TP311.3
字数 4367字 语种 中文
DOI 10.19431/j.cnki.1673-0062.2018.03.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 阳小华 南华大学计算机学院 160 821 14.0 22.0
2 彭健 南华大学计算机学院 4 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (70)
共引文献  (60)
参考文献  (11)
节点文献
引证文献  (2)
同被引文献  (28)
二级引证文献  (7)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(10)
  • 参考文献(0)
  • 二级参考文献(10)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(10)
  • 参考文献(2)
  • 二级参考文献(8)
2014(11)
  • 参考文献(4)
  • 二级参考文献(7)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
网络舆情
谣言检测
逻辑模型树
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南华大学学报(自然科学版)
双月刊
1673-0062
43-1442/N
大16开
湖南衡阳市常胜西路28号南华大学内
42-102
1987
chi
出版文献量(篇)
2087
总下载数(次)
5
总被引数(次)
9174
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导