基于图匹配网络的社会事件谣言传播检测结题报告.docVIP

基于图匹配网络的社会事件谣言传播检测结题报告

一、研究背景与问题提出

在Web2.0与移动互联网深度融合的时代，社交媒体已成为公众获取信息、表达观点的主要渠道之一。据《中国互联网络发展状况统计报告》显示，截至2025年，我国网民规模达12.8亿，社交媒体用户渗透率超过95%。这种信息传播的便捷性与开放性，既推动了社会信息的高效流通，也为谣言的滋生与扩散提供了温床。

社会事件类谣言因其往往涉及公共安全、民生热点、社会矛盾等敏感议题，具有传播速度快、影响范围广、社会危害大等特点。例如，2024年某城市发生的“自来水污染”谣言，在短短3小时内覆盖了超过200万用户，导致当地超市饮用水被抢购一空，甚至引发了局部社会恐慌；2023年某重大公共卫生事件期间，关于“特效药”“病毒变异”等虚假信息的传播，不仅干扰了正常的疫情防控秩序，还对公众的心理健康造成了负面影响。

传统的谣言检测方法主要依赖于基于内容的特征提取与机器学习模型，如关键词匹配、情感分析、支持向量机（SVM）、循环神经网络（RNN）等。然而，这些方法存在明显的局限性：一方面，它们大多仅关注文本内容本身，忽略了谣言传播过程中的网络结构特征与用户交互关系；另一方面，面对不断演变的谣言生成机制与传播模式，传统模型的泛化能力与适应性不足，难以有效检测新型谣言与变体谣言。

随着图神经网络（GraphNeuralNetworks,GNN）