基于词嵌入的微博谣言主题分类研究

• 作者: 关菁华 刁建华 刘鑫
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 微博谣言 词嵌入 主题分类 文本向量
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 1-3,8
• 页数: 4页
• 分类号: TP301
• 字数: 3284字
• 语种: 中文
• DOI: 10.11907/rjdk.191169

摘要

近年来,随着智能移动设备的普及,人们可以随时随地通过网络社交媒体获取与分享信息.然而,便捷的上网方式以及自由的网络空间,也为网络谣言的产生与传播提供了条件,广泛传播的谣言可能具有极大的破坏性.因此,及时识别谣言对于保障社会稳定具有重要意义.使用词嵌入对微博短文本进行向量化处理,然后使用朴素贝叶斯、K最近邻和支持向量机对文本向量进行主题分类,以期及时发现具有周期性出现特点的谣言.将该模型在中文谣言真实数据集上进行有效性验证,使用5487条数据作为训练集,2703条数据作为测试集进行分类实验.实验结果表明,K最近邻模型相比于朴素贝叶斯模型及支持向量机模型,在谣言主题分类任务中表现最佳,其F1值和分类准确率都达到0.93,表明基于词嵌入的谣言主题分类方法可及时发现周期性谣言.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘鑫	大连外国语大学软件学院	28	8	2.0	2.0
2	关菁华	大连外国语大学软件学院	13	19	3.0	4.0
3	刁建华	大连外国语大学软件学院	6	9	2.0	3.0