微博的信息多元化、言論自由、爆炸式地傳播速度等特點(diǎn)助長(zhǎng)了謠言消息的生成和傳播,使得微博成為了虛假不實(shí)消息傳播的理想場(chǎng)所。因此,自動(dòng)進(jìn)行謠言檢測(cè)的相關(guān)研究應(yīng)運(yùn)而生�，F(xiàn)有的謠言檢測(cè)算法取得了一些成果,但仍然還有待提升之處。首先,謠言檢測(cè)正確率尤其是謠言早期檢測(cè)正確率還有提升的空間;其次,現(xiàn)有謠言檢測(cè)算法并未考慮到訓(xùn)練數(shù)據(jù)類別不平衡問(wèn)題,會(huì)使得學(xué)習(xí)器不能充分學(xué)習(xí)到少數(shù)類樣本的分布。為了解決以上問(wèn)題,本文開展相關(guān)研究工作,提出了基于集成分類器的GTB-RD謠言檢測(cè)算法和基于生成對(duì)抗訓(xùn)練的GAN-SMOTE算法。本文的主要工作如下:1.提出了基于集成分類器的謠言檢測(cè)算法GTB-RD�，F(xiàn)有微博謠言檢測(cè)算法大多是一個(gè)單一的檢測(cè)模型。為了提升謠言檢測(cè)算法的正確率,本文基于集成學(xué)習(xí)的思想,采用梯度提升方法將多個(gè)基礎(chǔ)檢測(cè)器的檢測(cè)結(jié)果結(jié)合,提出了一種新的謠言檢測(cè)算法GTB-RD。2.提出了適用于GTB-RD的特征選擇算法、構(gòu)造了新的特征,并采用所提出的特性選擇算法進(jìn)行特征選擇,將這些特征應(yīng)用到GTB-RD謠言檢測(cè)算法中,提高了謠言早期檢測(cè)正確率�，F(xiàn)有的謠言檢測(cè)算法過(guò)多依賴于微博傳播結(jié)構(gòu)和微博評(píng)論等相關(guān)特征,...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-2RNN-based謠言檢測(cè)算法使用的幾種檢測(cè)算法的模型結(jié)構(gòu)

4←Equipartition(L());5←{emptyintervals};6′←;7Find′suchthatcontainscontinuousintervalsthatcoverth....

圖2-3謠言和非謠言某特征隨時(shí)間的變化情況

圖2-3謠言和非謠言某特征隨時(shí)間的變化情況[12]STS（DynamicSeries-TimeStructure），用于描述例，E={E1,E2,…,En},其中E包含多個(gè)跟此微博、轉(zhuǎn)發(fā)內(nèi)容等）。首先構(gòu)造時(shí)間區(qū)間，區(qū)間長(zhǎng)度I￠¨|a()....

圖2-4KNN確定噪聲點(diǎn)[23]

電子科技大學(xué)碩士學(xué)位論文樣本是噪聲樣本，噪聲樣本會(huì)在此階段被丟棄。算法的第二步驟為即進(jìn)行多次欠采樣處理，每次從原始訓(xùn)練數(shù)據(jù)集中隨機(jī)選擇N個(gè)本（假設(shè)少量類型的樣本的數(shù)量為N），生成多個(gè)平衡的訓(xùn)練數(shù)據(jù)三步為，在得到的經(jīng)過(guò)了欠采樣處理后類別平衡的多個(gè)訓(xùn)練子集上器的訓(xùn)練，最終構(gòu)成一....

圖2-6GAN的應(yīng)用領(lǐng)域示例

征選擇是提升學(xué)習(xí)器性能的關(guān)鍵所在。生成對(duì)抗網(wǎng)絡(luò)GAN（Generativeadversarialnetworks）：生成對(duì)抗網(wǎng)絡(luò)是由Goodfellow[66]等在2014年提出的一種生成模型框架，目前已成為人工智能領(lǐng)域中的一個(gè)熱門研究方向。GAN是一種生成式模型，其....

本文編號(hào)：3932041