5G時代的到來給人們帶來了更快的信息交互體驗。此次新冠肺炎疫情在國內爆發,社交平臺上關于疫情的信息層出不窮,其中不乏一些虛假謠言。謠言實質上是一種輿論病毒,在抗疫阻擊戰中,它比真正的病毒更值得警惕。謠言經廣泛傳播,會造成不良的社會影響,其危害可能更大。謠言的產生反映出信息披露的盲點,本文首先對新冠肺炎相關謠言做數據分析和文本挖掘,找出關鍵內容,幫助相關部門做好信息共享,更及時準確地公布信息,讓謠言失去傳播的機會。關于謠言的檢測,本文基于國內外學者已取得的研究成果,構建新的更有效的謠言檢測模型,應用于新冠肺炎謠言的識別。社交網絡已經成了人們現代生活必不可少的交流工具,影響著人們衣食起居各個方面,但獲得的信息并不一定都真實可靠,針對新冠疫情,只有真實的消息才對大眾和權威機構是有價值的。因此,在社交網絡上,對新冠肺炎疫情的謠言檢測非常重要。本文在社交平臺上搜集了四個方面的數據作為本次實驗的數據集:騰訊較真平臺數據,微博“抗擊新型肺炎第一線”話題數據,微博社區管理中心數據和疫情相關的普通微博數據。本文通過對疫情相關的用戶個人信息和微博內容信息進行分析,提取文本信息、用戶屬性、交互行為及情感傾向...

【文章頁數】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    第一節 研究背景及意義
        一、研究背景
        二、研究意義
    第二節 國內外研究現狀
        一、基于手工提取特征的謠言識別
        二、基于信息傳播機制的謠言識別
        三、基于神經網絡的謠言識別
    第三節 主要創新點與難點
        一、研究的創新點
        二、研究的難點
    第四節 研究思路與框架
        一、研究思路
        二、論文框架
    第五節 本章小結
第二章 謠言分析與檢測的相關工作
    第一節 肺炎相關謠言的定義與獲取
        一、肺炎相關謠言的定義
        二、謠言的獲取
    第二節 數據分析方法及理論
        一、文本挖掘
            (一)文本權重計算
            (二)概率主題模型
        二、機器學習
            (一)支持向量機
            (二)樸素貝葉斯
            (三)集成學習
        三、深度學習
    第三節 本章小結
第三章 新冠肺炎相關謠言分析
    第一節 新冠肺炎謠言數據預處理
    第二節 詞頻分析
    第三節 情感分析
    第四節 同時期類比
    第五節 主題詞分析
    第六節 本章小結
第四章 新冠肺炎相關謠言檢測
    第一節 微博特征提取
        一、文本信息
        二、用戶屬性
        三、交互行為
        四、情感傾向
    第二節 模型評價指標
    第三節 實驗過程
        一、支持向量機模型
        二、樸素貝葉斯模型
        三、集成學習模型
        四、深度學習模型
    第四節 特征重要性分析
    第五節 實驗結果分析
第五章 總結與展望
    第一節 總結
    第二節 展望
參考文獻
致謝
個人簡歷及在學期間發表的研究成果



本文編號：3996205