本文選題：微博　切入點(diǎn)：謠言檢測(cè)　出處：《計(jì)算機(jī)應(yīng)用》2017年11期 　論文類型：期刊論文

【摘要】：人工檢測(cè)謠言通常需要耗費(fèi)大量的人力物力,并且會(huì)有很長的檢測(cè)延遲。目前現(xiàn)存的謠言檢測(cè)模型一般根據(jù)謠言的內(nèi)容、用戶屬性、傳播方式人工地構(gòu)造特征,而人工構(gòu)建特征存在考慮片面、浪費(fèi)人力等現(xiàn)象。為了解決這個(gè)問題,提出了基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的謠言檢測(cè)模型。將微博中的謠言事件向量化,通過卷積神經(jīng)網(wǎng)絡(luò)隱含層的學(xué)習(xí)訓(xùn)練來挖掘表示文本深層的特征,避免了特征構(gòu)建的問題,并能發(fā)現(xiàn)那些不容易被人發(fā)現(xiàn)的特征,從而產(chǎn)生更好的效果。實(shí)驗(yàn)結(jié)果表明,所提方法能夠準(zhǔn)確識(shí)別謠言事件,在準(zhǔn)確率、精確率與F1值指標(biāo)上優(yōu)于支持向量機(jī)(SVM)與循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)等對(duì)比算法。
[Abstract]:Artificial detection rumors usually consumes a lot of manpower and resources, and there will be a long delay detection. At present the existing rumor detection model according to the general contents of rumors, user properties, mode of transmission of artificial structures, and constructed considering the existing characteristics of one-sided, waste of human resources and so on. In order to solve this problem, put forward convolutional neural network (CNN) based on rumor detection model. Micro-blog rumors in event vectorization, through convolution neural network hidden layer training to represent text mining deep features, to avoid the characteristics of construction problems, and found that those who are not easily found features, resulting in a better effect. The experimental results show that the proposed method can accurately identify the rumor event in accuracy, the accurate rate of indicators is better than the support vector machine and F1 value (SVM) and recurrent neural network (RNN) comparison algorithm.

【作者單位】： 同濟(jì)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系;嵌入式系統(tǒng)與服務(wù)計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室(同濟(jì)大學(xué));
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61573259,61673301,61573255,61673299) 上海市中醫(yī)藥三年行動(dòng)計(jì)劃重點(diǎn)項(xiàng)目(ZY3-CCCX-3-6002) 上海自然科學(xué)基金資助項(xiàng)目(15ZR1443800)~~
【分類號(hào)】：TP183;TP393.092

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 連紅;潘志松;景鳳宣;;一種基于規(guī)則和神經(jīng)網(wǎng)絡(luò)的系統(tǒng)在入侵檢測(cè)中的應(yīng)用(英文)[J];貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

3 王兆霞;孫雨耕;張強(qiáng);郝庭柱;孫小薇;秦娟;沈花玉;;基于復(fù)合神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)業(yè)務(wù)分類算法[J];天津大學(xué)學(xué)報(bào);2006年S1期

4 陳熹;朱燦焰;;兩種神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用[J];通信技術(shù);2011年11期

5 趙建華;李偉華;;有監(jiān)督SOM神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程;2012年12期

6 馮海亮;陳滌;林青家;陳春曉;;一種基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量組合預(yù)測(cè)模型[J];計(jì)算機(jī)應(yīng)用;2006年09期

7 劉淵;曹建華;戴悅;;基于補(bǔ)償器的灰色神經(jīng)網(wǎng)絡(luò)流量預(yù)測(cè)模型[J];計(jì)算機(jī)應(yīng)用;2007年09期

8 黃巧云;;基于云模型與神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)態(tài)勢(shì)分析[J];三明學(xué)院學(xué)報(bào);2012年04期

9 喬曉梅;;基于粒子群算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用[J];商場(chǎng)現(xiàn)代化;2006年18期

10 劉曉;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量識(shí)別模型[J];微型機(jī)與應(yīng)用;2012年02期

相關(guān)會(huì)議論文 前2條

1 張文濤;Wlodek Kulesza;;基于BP神經(jīng)網(wǎng)絡(luò)的防火墻流量預(yù)測(cè)[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

2 李明;賈波;;基于神經(jīng)網(wǎng)絡(luò)的P2P流量識(shí)別方法[A];浙江省信號(hào)處理學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

相關(guān)博士學(xué)位論文 前2條

1 吳靜;入侵檢測(cè)中神經(jīng)網(wǎng)絡(luò)融合學(xué)習(xí)方法的研究[D];吉林大學(xué);2010年

2 劉貴松;入侵檢測(cè)的神經(jīng)網(wǎng)絡(luò)方法[D];電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 李保軍;基于CRO高階神經(jīng)網(wǎng)絡(luò)的流量矩陣估計(jì)研究[D];華中師范大學(xué);2015年

2 黃正觀;基于BP神經(jīng)網(wǎng)絡(luò)的通信網(wǎng)故障診斷算法研究與實(shí)現(xiàn)[D];華北電力大學(xué);2015年

3 張義宏;基于PCA的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的研究與應(yīng)用[D];東北大學(xué);2014年

4 苑帥;基于改進(jìn)QPSO優(yōu)化的RBF網(wǎng)絡(luò)入侵檢測(cè)研究[D];河北工業(yè)大學(xué);2015年

5 王龍;人工蜂群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用[D];河南大學(xué);2015年

6 鄧勇杰;基于改進(jìn)灰色理論的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法研究[D];湖南工業(yè)大學(xué);2015年

7 張志超;基于神經(jīng)網(wǎng)絡(luò)的SQL注入式攻擊漏洞檢測(cè)問題的研究與實(shí)現(xiàn)[D];北京工業(yè)大學(xué);2016年

8 喻寶祿;基于醫(yī)療云平臺(tái)的一類疾病分析模型研究[D];貴州大學(xué);2016年

9 張才峰;基于聯(lián)合特征的LDoS攻擊檢測(cè)方法[D];中國民航大學(xué);2016年

10 趙朗;基于深度學(xué)習(xí)的Web信息抽取研究與實(shí)現(xiàn)[D];浙江大學(xué);2017年

，

本文編號(hào)：1604469