復(fù)雜網(wǎng)絡(luò)(Complex Networks)從被提出的時候,就吸引了許多學(xué)者們的高度關(guān)注。經(jīng)過多年的發(fā)展,復(fù)雜網(wǎng)絡(luò)的應(yīng)用價值逐漸展現(xiàn)出來,并得到了社會的認(rèn)可。復(fù)雜網(wǎng)絡(luò)可以被應(yīng)用在許多領(lǐng)域中,剖析人與人之間的社會關(guān)系,分析城市交通網(wǎng)絡(luò)線路等等。在眾多領(lǐng)域?qū)＜覍W(xué)者的推動下,復(fù)雜網(wǎng)絡(luò)已經(jīng)被應(yīng)用于生物學(xué)、社會學(xué)、計算機(jī)科學(xué)、管理學(xué),甚至是語言文學(xué)等諸多領(lǐng)域中。社團(tuán)發(fā)現(xiàn)算法是復(fù)雜網(wǎng)絡(luò)中的一個重要課題,社交網(wǎng)絡(luò)是一種典型的復(fù)雜網(wǎng)絡(luò)。通過復(fù)雜網(wǎng)絡(luò)社團(tuán)算法去挖掘、分析社交網(wǎng)絡(luò)中有用的信息,能夠凸顯社團(tuán)算法的應(yīng)用價值。然而社交網(wǎng)絡(luò)上謠言的出現(xiàn)使得許多用戶獲取不真實的信息,大量虛假信息在社交網(wǎng)絡(luò)上層出不窮,社交網(wǎng)絡(luò)的特點也使得謠言在網(wǎng)絡(luò)上傳播迅速,難以遏制。目前謠言檢測方法大多數(shù)都是基于機(jī)器學(xué)習(xí)的方法,而且都是利用文本的內(nèi)容特征,并沒有考慮到社交網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)信息。為了更好地檢測出社交網(wǎng)絡(luò)上的謠言,本文提出了RICD(Rumor Identification with Community Detection)框架,通過抓取新浪微博社交平臺上的微博數(shù)據(jù),利用官方的標(biāo)注信息抽取謠言特征,剖析出基于微博內(nèi)容的特征...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    第一節(jié) 研究背景與意義
    第二節(jié) 研究現(xiàn)狀
    第三節(jié) 論文主要工作
    第四節(jié) 論文組織結(jié)構(gòu)
第二章 相關(guān)研究
    第一節(jié) 復(fù)雜網(wǎng)絡(luò)經(jīng)典模型
    第二節(jié) 常用的社團(tuán)算法
    第三節(jié) 社團(tuán)算法的應(yīng)用
    第四節(jié) 謠言檢測方法
        一、基于監(jiān)督學(xué)習(xí)的方法
        二、基于無監(jiān)督學(xué)習(xí)的方法
        三、基于深度學(xué)習(xí)的檢測方法
        四、其他檢測方法
    第五節(jié) 謠言源檢測方法
    第六節(jié) 小結(jié)
第三章 RICD框架設(shè)計
    第一節(jié) 問題定義
        一、問題描述
        二、框架描述
    第二節(jié) 特征選取
    第三節(jié) RICD中的算法描述
        一、SVM算法
        二、LPA算法
    第四節(jié) 基于社區(qū)結(jié)構(gòu)的結(jié)果優(yōu)化
    第五節(jié) 評價指標(biāo)
    第六節(jié) 實驗與分析
        一、數(shù)據(jù)集
        二、實驗配置
        三、實驗分析
    第七節(jié) 小結(jié)
第四章 改進(jìn)的謠言源檢測算法設(shè)計
    第一節(jié) 網(wǎng)絡(luò)中源檢測的因素
        一、網(wǎng)絡(luò)結(jié)構(gòu)
        二、謠言傳播模型
        三、中心度量
    第二節(jié) 謠言源極大似然估計器
    第三節(jié) 謠言中心性
    第四節(jié) MPA算法模型
    第五節(jié) IMPA算法模型
    第六節(jié) 評估方法
    第七節(jié) 實驗與分析
        一、數(shù)據(jù)集
        二、實驗配置
        三、實驗分析
    第八節(jié) 小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
在讀期間的研究成果



本文編號：4036207