| 基于网络突发公共卫生事件早期谣言识别研究——以新冠疫情谣言为例 |
| |
| 引用本文： | 丁浩,刘清,齐江蕾,胡广伟.基于网络突发公共卫生事件早期谣言识别研究——以新冠疫情谣言为例[J].情报科学,2023(4):156-163. |
| |
| 作者姓名： | 丁浩 刘清 齐江蕾 胡广伟 |
| |
| 作者单位： | 1. 南京大学信息管理学院;2. 南京大学政务数据资源研究所 |
| |
| 基金项目： | 国家社会科学基金重大项目“大数据驱动的城乡社区服务体系精准化构建研究”（20&ZD154）；;国家自然科学基金项目“电子政务服务价值共创机制及实现模式实证研究”（71573117）； |
| |
| 摘 要： | 【目的/意义】随着社交网络与新闻媒体的发展，大量虚假信息的滋生与传播已经引发了严重的社会问题。目前的研究主要依赖于收集谣言发生后的传播特征进行识别。为了在早期更准确地发现谣言，本文提出一种融合深度语义知识的谣言识别模型。【方法/过程】本文通过使用Transformer和Multi-head注意力抽取舆情信息深层结构的复杂特征，融合了文档结构及上下文语义知识表征，以提高早期识别虚假舆论信息准确率来及时防止谣言传播扩散。【结果/结论】本文通过在各个平台的真实数据集进行训练和识别实验，较现有基线方法的准确率最少提升了5.6%，最大提高了24.6%。结果表明，本文模型可通过对早期谣言文本的事实验证，提高模型识别谣言的准确性以在早期阶段阻断谣言传播。【创新/局限】本文谣言识别模型在BERT-Base基础上进一步结合了舆情文本语义知识特征表征，能有效提高早期谣言的识别准确度，但目前尚未考虑谣言传播者个性化特征如社会标签、行为信息等，如何融合更多传播者特征有待进一步研究。
|
| 关 键 词： | 社会网络 网络谣言 信息抽取 知识语义 深度学习 |
|
