中文微博信息可信度分析方法研究.pdf

1、伴隨著互聯(lián)網(wǎng)的普及與技術(shù)發(fā)展的日新月異，中國(guó)第一代微型博客服務(wù)提供商——飯否、嘰歪面世以來(lái)，微博憑借其便捷性、“背對(duì)臉”形式、原創(chuàng)性、草根性迅速發(fā)展成為社交網(wǎng)絡(luò)中的“寵兒”。微博用戶可在任何場(chǎng)合下分享自己看到的、聽(tīng)見(jiàn)的、想到的人或事，而約束效力很低的微博容易造成虛假信息的泛濫。如何深度挖掘微博用戶的特征信息，設(shè)計(jì)相應(yīng)的實(shí)現(xiàn)算法，建立判定模型，為政府部門在甄別信息、理清思想、引導(dǎo)思潮、防止虛假信息傳播等方面具有重要的現(xiàn)實(shí)意義。
　　

2、在微博可信度分析方法的研究中，本文從統(tǒng)計(jì)學(xué)中的指標(biāo)體系方向與機(jī)器學(xué)習(xí)中的分類算法思路分別進(jìn)行了研究，目標(biāo)是研究對(duì)微博信息可信度進(jìn)行精確判定的技術(shù)與方法。針對(duì)可計(jì)算用戶信息的權(quán)威值與短文本微博結(jié)構(gòu)與內(nèi)容的獨(dú)特性，構(gòu)建用戶信息可信度模型與微博內(nèi)容可信度模型，并對(duì)這兩個(gè)模型的重要性進(jìn)行探討，實(shí)現(xiàn)對(duì)兩個(gè)模型的整合，最后建立一套微博信息可信度評(píng)價(jià)系統(tǒng)，該系統(tǒng)能夠根據(jù)提交的微博用戶以及用戶所發(fā)的微博信息，自動(dòng)評(píng)價(jià)該微博的可信度。研究的重心主要包括5

3、個(gè)方面:
　　1)實(shí)現(xiàn)微博數(shù)據(jù)采集方案，并詳細(xì)論述了微博用戶信息及微博內(nèi)容的預(yù)處理。分析了基于傳統(tǒng)網(wǎng)頁(yè)與新浪平臺(tái)SDK采集技術(shù)的優(yōu)缺點(diǎn)，實(shí)現(xiàn)網(wǎng)頁(yè)采集與模擬用戶登錄相結(jié)合的數(shù)據(jù)采集技術(shù);對(duì)采集的微博用戶信息進(jìn)行指標(biāo)選取、用戶可信度特征分析等預(yù)處理工作，并對(duì)微博內(nèi)容所提取的情感與謠言分類特征進(jìn)行定性與定量處理。
　　2)利用指標(biāo)體系建立用戶信息可信度模型。從用戶信息數(shù)據(jù)中，選擇性的提取用戶的完整度、活躍度、交際廣度、傳播力度四項(xiàng)

4、指標(biāo)組成指標(biāo)體系;然后利用設(shè)計(jì)的層次分析法(AHP)結(jié)構(gòu)模型，實(shí)現(xiàn)了對(duì)指標(biāo)的權(quán)重系數(shù)數(shù)值確定，計(jì)算出每個(gè)微博用戶的權(quán)威值。最終完成對(duì)用戶信息可信度模型的構(gòu)建。
　　3)多層分類器組合實(shí)現(xiàn)微博內(nèi)容可信度模型。首先對(duì)詞語(yǔ)進(jìn)行傾向極性判別;其次提取微博文本的一元詞與二元詞作為貝葉斯情感分類的特征集，分類的結(jié)果結(jié)合微博的其他八項(xiàng)謠言分類特征（話題數(shù)、@標(biāo)簽數(shù)、表情符號(hào)數(shù)等）作為SVM分類器的特征集，分類結(jié)果是判斷每一條微博是否為謠言。最終