启发式图结构增强的社交媒体短文本谣言检测研究.pdfVIP

Informationstudies:TheoryApplication

InformationSystems151

Vol.48No.3(Mar.2025)

●李贺,杨心苗,沈旺,刘嘉宇(吉林大学商学与管理学院,吉林长春130012)

启发式图结构增强的社交媒体短文本谣言检测研究∗

摘要:[目的/意义]研究构建启发式图结构增强的社交媒体短文本谣言检测模型,提升社交媒体短文本谣言分

类检测的准确性。[方法/过程]首先从谣言传播结构的角度构建谣言传播树和用户社交网络,从中提取结构内容构建

全局网络关系图,创新性地引入启发式算法对关系图的图节点和图边权重分配,最后构建谣言检测模型。[结果/结论]

谣言检测模型在三个短文本公开数据集上的F1值分别为94.64%、95.52%和97.68%,显著优于基线,且在谣言早期

检测中表现出良好的性能。提出的社交媒体短文本谣言检测模型通过启发式图结构增强策略,在捕捉推文之间的全局交

互关系方面展示了强大的能力,为谣言检测提供了一种高效且准确的解决方案。[局限]模型在推文语义理解和向量表

示方面存在的局限一定程度上影响了谣言检测结果的准确性。

关键词:谣言检测;启发式图结构;社交媒体短文本;谣言传播树;全局社交关系

DOI:10.16353/ki.1000-7490.2025.03.018

引用格式:李贺,杨心苗,沈旺,刘嘉宇.启发式图结构增强的社交媒体短文本谣言检测研究[J].情报理论与实

践,2025,48(3):151-159.

HeuristicGraphStructureEnhancedModelforRumorDetectioninSocialMediaShortTexts

LiHe,YangXinmiao,ShenWang,LiuJiayu

(SchoolofBusinessandManagement,JilinUniversity,JilinChangchun130012)

Abstract:[Purpose/significance]Toconstructaheuristicgraph-structure-enhancedmodelfordetectingrumorsinshortsocial

mediatexts,aimingtoimprovetheaccuracyofrumorclassificationanddetectioninsocialmediashorttexts.[Method/process]

First,arumorpropagationtreeandausersocialnetworkareconstructedfromtheperspectiveoftherumorpropagationstructure.

Andaglobalnetworkrelationshipgraphisbuiltbyextractingstructuralcontent.Aheuristicalgorithmisinnovativelyintroducedto

assignweightstothegraphnodesandedgesintherelationshipgraph.Finally,arumordetectionmodelisconstructedbycombi-

ningatextcontentanalysisalgorithm.[Result/conclusion]ThevaluesofF1inrumordetectionmodelonthreeshort-textpubl