第 1章 概述 1 1.1 研究背景 1 1.1.1 社交媒體中風(fēng)險(xiǎn)信息的概念 1 1.1.2 問(wèn)題提出 2 1.2 相關(guān)研究 2 1.2.1 社交媒體用戶表示 3 1.2.2 風(fēng)險(xiǎn)信息檢測(cè) 4 1.3 主要內(nèi)容 6 1.3.1 數(shù)據(jù)篇 6 1.3.2 用戶篇 7 1.3.3 應(yīng)用篇 8 參考文獻(xiàn) 9 數(shù)據(jù)篇 第 2章 數(shù)據(jù)準(zhǔn)備 15 2.1 數(shù)據(jù)采集方法 15 2.2 相關(guān)數(shù)據(jù)集介紹 17 2.2.1 自行爬取的數(shù)據(jù)集 17 2.2.2 網(wǎng)絡(luò)公開(kāi)數(shù)據(jù)集 17 2.3 小結(jié) 19 參考文獻(xiàn) 19 用戶篇 第3章 基于用戶興趣詞典的情感分類方法 23 3.1 引言 23 3.2 方法描述 25 3.2.1 基于用戶興趣詞典的情感分類 25 3.2.2 基于LSTM的情感分類 27 3.2.3 基于用戶興趣詞典和LSTM的情感分類 28 3.3 實(shí)驗(yàn)結(jié)果與分析 29 3.3.1 數(shù)據(jù)集及預(yù)處理 29 3.3.2 算法性能評(píng)價(jià)標(biāo)準(zhǔn) 30 3.3.3 實(shí)驗(yàn)對(duì)比算法 30 3.3.4 閾值th取值選擇 31 3.3.5 不同算法精度對(duì)比 32 3.3.6 不同算法效率對(duì)比 33 3.4 小結(jié) 34 參考文獻(xiàn) 35 第4章 基于用戶歷史特征的情感分類方法 37 4.1 引言 37 4.2 相關(guān)理論 38 4.2.1 知識(shí)蒸餾 38 4.2.2 情感知識(shí)增強(qiáng)預(yù)訓(xùn)練模型 39 4.3 方法描述 40 4.3.1 問(wèn)題描述 40 4.3.2 方法設(shè)計(jì) 41 4.4 實(shí)驗(yàn)結(jié)果與分析 48 4.4.1 數(shù)據(jù)集 48 4.4.2 對(duì)比方法及參數(shù)設(shè)置 48 4.4.3 數(shù)據(jù)增強(qiáng)驗(yàn)證和測(cè)試集選定 49 4.4.4 帶時(shí)間屬性的用戶特征有效性驗(yàn)證 50 4.4.5 綜合比較 51 4.4.6 模型通用性驗(yàn)證 52 4.5 小結(jié) 53 參考文獻(xiàn) 54 第5章 基于用戶性格特征的情感分類方法 57 5.1 引言 57 5.2 相關(guān)理論 59 5.2.1 大五人格模型 59 5.2.2 門(mén)控循環(huán)單元（GRU） 60 5.3 方法描述 61 5.3.1 問(wèn)題定義 61 5.3.2 方法描述 61 5.4 實(shí)驗(yàn)結(jié)果與分析 67 5.4.1 實(shí)驗(yàn)環(huán)境和數(shù)據(jù)集 67 5.4.2 算法性能評(píng)價(jià)標(biāo)準(zhǔn) 68 5.4.3 實(shí)驗(yàn)對(duì)比方法及參數(shù)設(shè)置 68 5.4.4 大五人格模型有效性驗(yàn)證 69 5.4.5 方法有效性驗(yàn)證 70 5.4.6 注意力機(jī)制有效性驗(yàn)證 72 5.4.7 綜合對(duì)比 73 5.5 小結(jié) 77 參考文獻(xiàn) 77 應(yīng)用篇 第6章 基于用戶興趣集的垃圾郵件快速在線識(shí)別方法 83 6.1 引言 83 6.2 方法描述 84 6.2.1 樣本預(yù)處理 84 6.2.2 特征提取及樣本訓(xùn)練 85 6.2.3 樣本分類 85 6.2.4 主動(dòng)學(xué)習(xí) 86 6.2.5 更新用戶興趣集 88 6.2.6 更新訓(xùn)練集 88 6.3 實(shí)驗(yàn)結(jié)果與分析 89 6.3.1 實(shí)驗(yàn)設(shè)置 89 6.3.2 算法耗時(shí)分析 89 6.3.3 實(shí)驗(yàn)結(jié)果 91 6.4 小結(jié) 95 參考文獻(xiàn) 96 第7章 基于圖卷積網(wǎng)絡(luò)的歸納式微博謠言檢測(cè)方法 98 7.1 引言 98 7.2 方法描述 99 7.2.1 問(wèn)題定義 99 7.2.2 方法設(shè)計(jì) 100 7.3 實(shí)驗(yàn)結(jié)果與分析 104 7.3.1 實(shí)驗(yàn)設(shè)置 104 7.3.2 評(píng)價(jià)指標(biāo) 105 7.3.3 評(píng)論利用時(shí)間對(duì)謠言檢測(cè)效率的影響 105 7.3.4 微博事件建圖方法對(duì)比 107 7.3.5 不同池化方法對(duì)比 110 7.3.6 與現(xiàn)有典型方法的比較 111 7.4 小結(jié) 113 參考文獻(xiàn) 114 第8章 基于事件 詞語(yǔ) 特征異質(zhì)圖的微博謠言檢測(cè)方法 117 8.1 引言 117 8.2 相關(guān)理論 119 8.2.1 圖神經(jīng)網(wǎng)絡(luò) 119 8.2.2 中文語(yǔ)言查詢和詞數(shù)統(tǒng)計(jì)詞典 119 8.3 方法描述 120 8.3.1 問(wèn)題描述 120 8.3.2 方法設(shè)計(jì) 120 8.4 實(shí)驗(yàn)結(jié)果與分析 126 8.4.1 實(shí)驗(yàn)設(shè)置 126 8.4.2 隱藏層維度取值影響 127 8.4.3 節(jié)點(diǎn)聚合方法比較 128 8.4.4 消融實(shí)驗(yàn) 130 8.4.5 與現(xiàn)有典型方法的比較 132 8.4.6 微博評(píng)論數(shù)量影響分析 133 8.5 小結(jié) 134 參考文獻(xiàn) 135 第9章 基于時(shí)序 結(jié)構(gòu)交互特征和用戶信息的謠言檢測(cè)方法 138 9.1 引言 138 9.2 方法描述 139 9.2.1 問(wèn)題定義 140 9.2.2 全局用戶特征提取 141 9.2.3 基于BiGRU的時(shí)序空間特征提取 144 9.2.4 基于GAT的結(jié)構(gòu)交互特征提取 146 9.2.5 謠言分類 147 9.3 實(shí)驗(yàn)結(jié)果與分析 148 9.3.1 數(shù)據(jù)集與實(shí)驗(yàn)設(shè)置 148 9.3.2 評(píng)估指標(biāo)與典型方法介紹 148 9.3.3 與典型方法的對(duì)比實(shí)驗(yàn) 149 9.3.4 消融實(shí)驗(yàn) 151 9.3.5 謠言早期檢測(cè)實(shí)驗(yàn) 153 9.4 小結(jié) 155 參考文獻(xiàn) 155 第 10章 總結(jié)與展望 157 10.1 本書(shū)總結(jié) 157 10.2 未來(lái)展望 158 10.3 結(jié)束語(yǔ) 158