论文部分内容阅读
微博的信息多元化、言论自由、爆炸式地传播速度等特点助长了谣言消息的生成和传播,使得微博成为了虚假不实消息传播的理想场所。因此,自动进行谣言检测的相关研究应运而生。现有的谣言检测算法取得了一些成果,但仍然还有待提升之处。首先,谣言检测正确率尤其是谣言早期检测正确率还有提升的空间;其次,现有谣言检测算法并未考虑到训练数据类别不平衡问题,会使得学习器不能充分学习到少数类样本的分布。为了解决以上问题,本文开展相关研究工作,提出了基于集成分类器的GTB-RD谣言检测算法和基于生成对抗训练的GAN-SMOTE算法。本文的主要工作如下:1.提出了基于集成分类器的谣言检测算法GTB-RD。现有微博谣言检测算法大多是一个单一的检测模型。为了提升谣言检测算法的正确率,本文基于集成学习的思想,采用梯度提升方法将多个基础检测器的检测结果结合,提出了一种新的谣言检测算法GTB-RD。2.提出了适用于GTB-RD的特征选择算法、构造了新的特征,并采用所提出的特性选择算法进行特征选择,将这些特征应用到GTB-RD谣言检测算法中,提高了谣言早期检测正确率。现有的谣言检测算法过多依赖于微博传播结构和微博评论等相关特征,非常不利于谣言的早期检测。本文基于所提出的特征选择算法,重新进行了特征工程,并将结果应用到所提出的谣言检测算法GTB-RD上,在真实数据集上的实验结果表明,提升了谣言早期检测正确率。3.提出了基于生成对抗网络的不平衡分类问题处理算法GAN-SMOTE,用于解决训练数据的类别不平衡问题。本文借鉴了生成对抗网络模型的思想,设计了一种基于生成对抗网络的数据采样算法:GAN-SMOTE,通过学习数据样本的分布来生成人工样本。该算法包含一个生成模型和一个判别模型,生成模型用于学习数据分布,判别模型用于判断生成模型所生成样本的好坏,两者进行交替对抗训练,最终生成模型学习到样本的分布。生成模型最终生成的样本用于解决训练数据的类别不平衡问题。在真实数据集上的实验结果验证了GAN-SMOTE算法的有效性。