改进组合优化决策树算法在谣言判别的研究应用

摘要

随着互联网的蓬勃发展，人们每天接触的大量信息良莠不齐，其中被肆意传播的谣言甚至会引发社会群体事件，造成严重的后果。如何在大数据环境下对谣言做出准确的判别具有重要的社会意义。
　　决策树分类算法是解决谣言判别问题的有效方法，在判别过程中，不仅要考虑谣言判别的准确率及工作效率，还应该考虑到判别方法是否可以应用于其他平台谣言判别的问题。然而传统的决策树谣言判别方法都以某一特定社交平台的舆情信息为研究对象，这就导致方法不具有普适性，对于不同平台上的谣言判别工作需要采用不同的方法。因此一种适用于多平台的谣言判别方法对于提高整体网络谣言判别效率来说意义重大。
　　本文设计的谣言判别模型充分考虑了大数据环境下谣言判别工作的需求，结合文本处理技术、决策树算法、大数据技术，从全局的角度对这些技术进行整合;对决策树算法作出相应改进，使判别方法适合于处理多平台的谣言判别工作。在提高判别方法普适性的同时，提高判别工作效率。

目录

摘要

1 绪论

1．1 选题研究的背景和意义

1．2 谣言的特点

1．3 谣言判别国内外研究现状及存在问题

1．4 本文的主要内容

1．4．1 本文要解决的问题

1．4．2 本文的主要工作

1．4．3 本文章节安排

2 谣言判别相关技术概述

2．1 谣言判别流程

2．2．1 文本预处理

2．2．2 文本特征词选择

2．2．3 文本聚类

2．3 常用分类算法

2．3．1 ID3算法

2．3．2 C4．5 算法

2．3．3 组合优化决策树算法(CODT)

2．4 本章小结

3 改进的组合优化决策树算法(E-CODT)

3．1 改进算法的核心思想

3．2 改进算法的流程

3．3 本章小结

4 基于改进算法的谣言判别过程

4．1 改进算法在谣言判别的应用

4．2 数据获取

4．3．1 文本分词及去停用词

4．3．2 文本特征选择

4．4 样本聚类过程

4．5 基于内容、用户、传播特征的谣言判别结果

4．6 基于改进算法的谣言判别结果

4．7 本章小结

5 实验与分析

5．1 实验环境及前期准备

5．2 实验结果分析

5．3 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明