【摘 要】
：
近年来,随着科技的发展、网络的普及,信息的传播模式也发生了根本性变化,以新浪微博、Twitter、Facebook为主的新兴信息传播媒介已逐步取代传统信息传播媒介。但是,社交平台产生的信息也通常夹杂着谣言。因此,能够高效识别谣言具有重要的现实意义。针对社交网络的谣言识别问题,本文进行了深入的研究,具体研究内容如下:（1）为了更好的捕获谣言的相关特征,在构建有向图的前提下,提出了一种基于双向图注意力
论文部分内容阅读
近年来,随着科技的发展、网络的普及,信息的传播模式也发生了根本性变化,以新浪微博、Twitter、Facebook为主的新兴信息传播媒介已逐步取代传统信息传播媒介。但是,社交平台产生的信息也通常夹杂着谣言。因此,能够高效识别谣言具有重要的现实意义。针对社交网络的谣言识别问题,本文进行了深入的研究,具体研究内容如下:（1）为了更好的捕获谣言的相关特征,在构建有向图的前提下,提出了一种基于双向图注意力网络的谣言检测模型（P-Bi GAT）。首先,通过将推文与回应推文转化为树中父子节点,构建传播树和扩散树;然后,基于图注意力网络（Graph Attention Network,GAT）通过两种不同的方向提取传播特征和扩散特征,并引入多头注意力机制捕获源文本中的语义特征;最后,将推文的传播特征、扩散特征与源推文语义特征信息表示通过全连接层连接在一起,使用映射函数判断信息的真假。为了能够有效选择邻居节点信息,本文还提出了一种新的节点更新方法应用到模型里面,它能够根据邻居节点的权重大小,选择权重较大的邻居信息节点进行节点更新。实验表明,在公开数据集上,该模型在不同的评价指标上优于对比的基线方法。（2）为了探索先发布的推文对后发布的推文产生的依赖关系,提出了一种基于时序图注意力网络的谣言检测模型（T-Bi GAT）。首先,同一个事件中,计算每条推文的时间戳。在时间戳相同的前提下,根据推文之间的回应关系构建两种不同方向的传播子图。然后,通过门控循环神经网络（Gated Recurrent Unit,GRU）捕获子树中兄弟节点之间的层内依赖关系;使用改进的GAT模型提取每个子树的全局特征。此外,重新通过GRU模型捕获不同时间戳下各个子图的时序依赖关系。最后,为不同时间戳子树的全局特征向量分配权重进行聚合,并使用映射函数判断是否为谣言。实验结果表明,在公开数据集上,该模型在不同的评价指标优于对比的基线方法。
其他文献
眼底血管自动分割给糖尿病和高血压等病症诊断提供重要的临床信息,是计算机辅助眼底诊断糖尿病和高血压等病症的基础,其分割效果影响医师诊断的准确性,故眼底血管自动分割研究具有重要的理论意义与工程应用价值。由于眼底血管结构复杂多样,现有算法不能满足计算机辅助医师对医学图像中血管的自动分割要求。因此,本文围绕提升算法的整体分割性能、提升细小血管精度、解决复杂拓扑结构血管的分割问题展开研究。本文主要研究内容如
随着云计算的快速发展,越来越多的用户选择将数据存储在远程服务器,以节省本地存储所用资源。如何验证用户远程存储在云端数据的完整性,成为许多研究人员的研究热点。与此同时,云端方面的用户身份信息丢失、相关数据泄露、用户数据被恶意篡改以及服务器的硬件故障等诸多数据安全性问题都会带来难以预估的后果。虽然人们提出很多云审计方案,但大多数方案存在用户信息认证开销大、数据存储效率不高以及不能有效进行动态更新数据等
近些年随着网络的普及,越来越多的基于位置服务（Location Based Service,LBS）的应用变得很受欢迎,是人们日常生活中不可缺失的一部分,如城市交通路线规划,用户搜索附近服务等。由于位置数据中包含用户大量的敏感信息,如查询地址信息,因此在用户使用位置服务时,不断地向位置服务提供商上传位置数据并直接发布真实的位置数据,会导致用户的隐私面临泄露风险。针对这一问题,许多位置隐私保护方法被
随着互联网的高速发展,微博逐渐成为人们分享与获取信息的重要平台,并吸引了数以亿计的用户。庞大的用户群体导致微博平台产生的数据呈指数级增长,用户无法迅速有效地获取到其感兴趣的博文。因此,微博个性化推荐技术应运而生。传统微博推荐主要围绕基于内容的推荐展开,但由于用户个体数据较稀疏,无法全部提取用户兴趣特征。具有社交关系的用户间,通常体现相似的兴趣爱好。因此,部分学者基于用户社交关系研究微博推荐,缓解用
图像作为人们获取外界信息的一种载体,与文本相比,它包含了更为丰富的信息,然而,由于扫描和传输设备等问题,接收到的图像往往质量不佳,这些问题严重影响了图像的后续读取与分析等任务,因此,图像去噪技术已成为当前计算机视觉领域的一个重要课题,与此同时,这一方向也引起了众多学者的重视,并利用不同的技术,提出了很多去噪算法。最近,卷积神经网络凭借其较好的特征学习能力,在图像去噪领域获得了较好的应用,然而,这些
布尔函数是密码体制设计和分析中不可或缺的工具,作为对称密码的核心部件,其密码学性质决定着密码体制的安全性,设计和构造满足多种优良密码学性质的布尔函数一直是密码学的重要研究问题之一。目前构造和设计性质优良的布尔函数主要通过理论构造和计算机技术来构建,而理论构造易于构造出单一性质优良的布尔函数,构造满足多种优良性质的布尔函数一直是较为困难的问题。计算机算法可以平衡多种密码学性质,因此,本文主要研究基于
随着我国经济建设和各项事业的蓬勃发展,公路里程数大幅度增长,繁重的公路养护任务也随之而来。路面病害检测是养护工作中的重要任务之一,而裂缝是路面病害的突出问题。快速、准确地自动检测路面裂缝,是维护和监测复杂的运输网络系统的关键步骤。针对路面图像存在的对比度低、噪声强等问题及其中裂缝复杂拓扑结构、连续性差等特点,本文对路面图像裂缝检测方法展开研究,主要研究内容如下:（1）提出基于多尺度注意力的路面图像
在线评测（Online Judge,OJ）系统是一种在线学习平台,用户通过解决系统中的编程习题提高自身编程能力。面对OJ系统中海量习题资源引发的信息过载,用户很难找到与自身编程能力匹配的习题,最终浪费了时间和精力。习题推荐能够挖掘用户的能力和偏好,提供最适合用户的习题,因此已经被广泛应用到OJ系统中。现有的OJ习题推荐方法仅考虑用户能否正确回答习题,缺乏对习题信息的利用,也忽略了用户的答题意愿,在
科技文档或网页中存在大量图像,其中包括数学公式图像和其他图像。数学公式图像存在只包含数学公式的情况,同时也存在公式穿插在文字、坐标系等其他元素之间的情况。为了筛选并收集含有数学公式的图像供他人学习或进一步研究,本文提出一种基于特征关联加强和GMP（Global Muti-scale Pooling）的数学公式图像筛选模型FCGM-Ne St。通过充分的对比实验和消融实验,验证了该模型的有效性,然后
随着互联网的快速发展,人工智能逐渐渗透到社会生活中的各个领域。作为与社会生活密切相关的医疗领域,其与人工智能结合的医疗信息系统建立带来了大量的电子病历文本数据。准确快速地提取电子病历中的医疗实体,将非结构化的文本,转变为可供计算机识别的结构化文本,对医院的医疗信息智能化管理具有非常重要的意义。在中文电子病历文本中,医疗领域的词汇具有一定的专业性,目前的中文电子病历命名实体识别仅仅将通用领域的命名实