發(fā)布時(shí)間：2021-08-04 20:02

　　在網(wǎng)絡(luò)信息日益增長(zhǎng)的時(shí)代背景下,關(guān)于網(wǎng)絡(luò)謠言的監(jiān)管治理手段及立法也逐漸成為各學(xué)科領(lǐng)域研究的焦點(diǎn)之一。明確網(wǎng)絡(luò)謠言的相關(guān)定義,分析研究網(wǎng)絡(luò)謠言的特點(diǎn),對(duì)更有效地甄別出網(wǎng)絡(luò)信息中的謠言有著重要作用。對(duì)網(wǎng)絡(luò)謠言的危害性進(jìn)行等級(jí)劃分評(píng)估,也給網(wǎng)絡(luò)空間的治理提供了一定的技術(shù)支撐。本文主要以微博平臺(tái)作為研究對(duì)象,在總匯分析了現(xiàn)有網(wǎng)絡(luò)謠言相關(guān)研究的不足后,針對(duì)微博謠言的識(shí)別檢測(cè)與危害評(píng)估的方法展開了研究分析。主要內(nèi)容包括:第一,針對(duì)當(dāng)前研究中缺少關(guān)于網(wǎng)絡(luò)謠言的明確定義的問題,結(jié)合傳播學(xué)中的5W模式給出了網(wǎng)絡(luò)謠言與微博謠言的定義,并對(duì)微博謠言的定義進(jìn)行了形式化的描述。結(jié)合定義,構(gòu)造并篩選出了適用于微博謠言識(shí)別的特征集,提出了一種基于Stacking集成學(xué)習(xí)的微博謠言識(shí)別模型。實(shí)驗(yàn)結(jié)果表明,該微博謠言識(shí)別方法能夠有效地進(jìn)行謠言識(shí)別,且在實(shí)際應(yīng)用中的效果最好。第二,針對(duì)當(dāng)前網(wǎng)絡(luò)謠言的相關(guān)評(píng)估主要是定性研究分析,較少進(jìn)行定量分析,因而難以實(shí)現(xiàn)評(píng)估自動(dòng)化的問題,在分析研究了前人所構(gòu)建的輿情危機(jī)預(yù)警等級(jí)指標(biāo)體系的基礎(chǔ)上,結(jié)合傳播學(xué)給出了網(wǎng)絡(luò)謠言危害性的評(píng)估指標(biāo)體系,并采用模糊層次分析法對(duì)各個(gè)指標(biāo)進(jìn)行了權(quán)重分配。... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

常用特征總匯S.Zamani等人[55]就是利用基于用戶特征和推特內(nèi)容的特征，對(duì)推特上波斯社區(qū)里的信息進(jìn)行謠言檢測(cè)

重慶郵電大學(xué)碩士學(xué)位論文第4章微博謠言的危害性評(píng)估方法研究49由圖4.5可以看到，各算法的表現(xiàn)差異較大，BP神經(jīng)網(wǎng)絡(luò)算法的效果整體上看要最差，決策樹與隨機(jī)森林算法的評(píng)估結(jié)果較為接近。整體上看，各算法在不同事件中的表現(xiàn)差別不大，其中隨機(jī)森林(RF)、決策樹(DT)和梯度提升決策樹(GBDT)能較好地進(jìn)行危害等級(jí)的評(píng)估劃分。因此，上述實(shí)驗(yàn)結(jié)果能在一定程度上體現(xiàn)出本文所提出的微博謠言危害評(píng)估方法具有一定的可用性。5.謠言危害等級(jí)演化分析與建議為了更好地展示微博謠言的危害等級(jí)演化情況，分別將三個(gè)事件中的謠言信息所帶來(lái)的危害性進(jìn)行了可視化的展示，并與知微事見①中的相關(guān)事件傳播趨勢(shì)圖進(jìn)行了關(guān)聯(lián)，如圖4.6、圖4.7和圖4.8所示。圖4.6“楊醫(yī)生”事件謠言危害等級(jí)可視化展示由圖4.6中的事件傳播趨勢(shì)可以看到，事件在發(fā)展初期受到了廣大網(wǎng)民的關(guān)注，而隨著時(shí)間的推移，事件相關(guān)搜索熱度逐漸下降，慢慢淡出公眾視野。同時(shí)，該事件中的謠言危害等級(jí)逐漸上升，在第四天的時(shí)候到達(dá)峰值后開始回落。整體上看，搜索熱度與謠言危害等級(jí)一定程度上呈負(fù)相關(guān)關(guān)系，且謠言危害等級(jí)到達(dá)峰值的時(shí)間點(diǎn)與搜索熱度并不重合。事件的搜索熱度雖已到達(dá)峰值開始回落，事件相關(guān)的謠言所帶來(lái)的危害還在慢慢發(fā)酵、滲透民眾生活。由此可以說(shuō)明，僅通過(guò)搜索熱度或關(guān)注度的變化判斷事件所帶來(lái)的負(fù)面影響是不夠準(zhǔn)確的，且對(duì)于網(wǎng)絡(luò)謠言的相關(guān)防治也不能因公眾關(guān)注熱度的下降而松懈。①https://ef.zhiweidata.com/

重慶郵電大學(xué)碩士學(xué)位論文第4章微博謠言的危害性評(píng)估方法研究50圖4.7“新冠肺炎”事件謠言危害等級(jí)可視化展示由圖4.7可以看到，“新冠肺炎”事件的周期較長(zhǎng)，其搜索熱度在前期上升比較明顯，后面隨著網(wǎng)民參與程度下降，搜索熱度也逐漸下降并趨于平穩(wěn)。整個(gè)事件過(guò)程中，謠言危害等級(jí)出現(xiàn)過(guò)兩次峰值，整體的等級(jí)危害程度也比“楊醫(yī)生”事件更高。在事件發(fā)生前期，謠言危害等級(jí)隨著搜索熱度的上升有所上升，但隨后二者呈反比關(guān)系。當(dāng)搜索熱度趨于平穩(wěn)后，謠言危害等級(jí)整體上隨著搜索熱度的起伏而變化�！靶鹿诜窝住笔录慕Y(jié)果表明，對(duì)于容易產(chǎn)生謠言的民生話題來(lái)說(shuō)，當(dāng)事件整體熱度開始下降后，網(wǎng)民討論與關(guān)注的焦點(diǎn)也更容易集中在謠言信息上。圖4.8“社區(qū)火災(zāi)”事件謠言危害等級(jí)可視化展示從圖4.8可以看出，在“社區(qū)火災(zāi)”事件發(fā)生前期，網(wǎng)民的關(guān)注度上升較快但持續(xù)一天就開始回落，而謠言危害等級(jí)變化較緩，到第四天才出現(xiàn)峰值。相比于搜索指數(shù)，謠言危害等級(jí)的變化情況較為滯后。從整體上看，該事件的謠言危害

【參考文獻(xiàn)】：
期刊論文
[1]基于用戶特征分析的微博謠言早期檢測(cè)研究[J]. 尹鵬博,潘偉民,彭成,張海軍.  情報(bào)雜志. 2020(07)
[2]突發(fā)事件網(wǎng)絡(luò)謠言危機(jī)預(yù)警及模擬仿真研究[J]. 張鵬,蘭月新,李昊青,周穎.  現(xiàn)代情報(bào). 2019(12)
[3]基于集成學(xué)習(xí)的文本情感分類方法[J]. 段吉東,劉雙榮,馬坤,孫潤(rùn)元.  濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[4]基于集成學(xué)習(xí)的情感模糊計(jì)算分類方法[J]. 劉磊,李學(xué)勇,黃永峰.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(07)
[5]基于系統(tǒng)動(dòng)力學(xué)的突發(fā)事件網(wǎng)絡(luò)謠言治理研究[J]. 殷飛,張鵬,蘭月新,夏一雪,張琦,李增.  情報(bào)科學(xué). 2018(04)
[6]當(dāng)前網(wǎng)絡(luò)謠言的成因、性質(zhì)以及處罰的合理性——基于65個(gè)治安處罰案例[J]. 白凈,程子姣.  新聞愛好者. 2018(02)
[7]改進(jìn)的組合優(yōu)化決策樹謠言判別方法研究[J]. 羅嗣卿,王佳玉,李冰珂.  計(jì)算機(jī)仿真. 2018(02)
[8]基于梯度提升決策樹的微博虛假消息檢測(cè)[J]. 段大高,蓋新新,韓忠明,劉冰心.  計(jì)算機(jī)應(yīng)用. 2018(02)
[9]基于語(yǔ)義共現(xiàn)匹配的在線食品安全謠言相關(guān)文檔識(shí)別方法研究[J]. 陳燕方,周曉英,張璐.  情報(bào)理論與實(shí)踐. 2018(06)
[10]突發(fā)事件網(wǎng)絡(luò)謠言的蔓延機(jī)理及治理策略研究[J]. 張玉亮,賈傳玲.  情報(bào)理論與實(shí)踐. 2018(05)



本文編號(hào)：3322320