声明
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文组织结构
第2章 微博谣言分析与新特征提取
2.1 微博谣言概述
2.2 微博文本相关特征
2.2.1 文本特征分析
2.2.2 文本新特征提取
2.3 微博用户相关特征
2.3.1 用户特征分析
2.3.2 用户新特征提取
2.4 微博传播相关特征
2.4.1 传播特征分析
2.4.2 传播新特征提取
2.5 本章小结
第3章 微博评论情感极性判别及特征值计算
3.1 情感分类研究分析
3.2 结合语义规则的情感极性计算
3.2.1 基于情感词典的统计方法
3.2.2 构建极性情感词典
3.2.3 结合语义规则的情感极性计算方法
3.3 结合语义规则与机器学习的短文本情感分类方法
3.4 评论情感极性特征值计算
3.5 本章小结
第4章 基于集成学习的谣言检测方法
4.1 谣言检测模型分析
4.2 集成分类模型
4.2.1 集成学习
4.2.2 结合评论极性的CE-Stacking集成方法
4.3 谣言检测框架
4.3.1 数据获取
4.3.2 数据处理
4.3.3 谣言检测
4.4 本章小结
第5章 实验结果与分析
5.1 实验准备
5.1.1 实验环境
5.1.2 实验数据
5.1.3 评价指标
5.2 情感分类实验及结果分析
5.2.1 结合语义规则的情感极性计算方法实验与结果分析
5.2.2 结合语义规则的机器学习分类方法实验与结果分析
5.3 谣言检测实验及结果分析
5.3.1 新特征的有效性验证与结果分析
5.3.2 集成分类模型的有效性验证与结果分析
5.4 本章小结
第6章 总结与展望
6.1 工作总结
6.2 研究展望
致谢
参考文献
攻读硕士学位期间发表论文及科研情况
武汉理工大学;