安全技术-网络信息-网络谣言传播中话题扩散与网民群体行为的协同演进研究.pdf

安全技术-网络信息-试论我国网络谣言的刑法规制.pdf

分析框架 文本建模 特征建模 主题建模

安全技术-网络信息-论网络谣言的形成传播和治理策略.pdf

科学防疫拒绝谣言.pptx

谣言语句检测数据集.zip

社会网络信息的可信度问题近年来受到了相当大的关注。谣言的散播可能造成社会恐慌,引发信任危机。在国内,新浪微博用户量的快速增长,使其成为了谣言传播的温床。及时清理在新浪微博中传播的谣言,对于社会的和谐发展有着现实的意义。该文以新浪微博为背景,将谣言检测任务作为分类问题,首次提出将微博评论的情感倾向作为谣言检测分类器的一项特征。实验结果表明,引入评论的评论情感倾向特征后,使得谣言检测的分类结果得到了可观的提升。

随着互联网的迅猛发展，网络谣言正如“病毒”一样在人们的生活中散播。如何有效地消除在人们接收健康信息时谣言带去的阻碍与混淆作用，在现今信息时代已尤为重要。借鉴经典的SIS疾病传播模型和种群竞争模型，探讨官方媒体在谣言传播过程中的影响作用。构建非线性微分方程模型来刻画谣言传播过程，并对方程的平衡点、解的有界性及稳定性进行了分析，最后赋予相关参数一定的数值，利用MATLAB进行模拟仿真，讨论不同情境下的演化机理，得出了官方媒体确实在谣言传播过程中有着积极却又有限的作用这一结论，期望可为应急管理者制定谣言传播控制策略提供支持。

本文解决了在更现实的社交媒体场景下的假新闻检测问题。给定源短文本推文和相应的没有文本评论的转发用户序列，我们的目的是预测源推文是否是假的，并通过突出可疑转发者的证据和他们关注的词语来产生解释。为了实现这一目标，我们提出了一种新的基于神经网络的模型--图感知协同注意网络(GCAN)。在真实推文数据集上进行的广泛实验表明，GCAN的平均准确率比最先进的方法高出16%。此外，案例研究还表明，GCAN可以给出合理的解释。

本文建立并分析了SECIR谣言传播模型，其中考虑了社会教育水平和反击机制。 结果表明，提高教育水平和增加计数器的比率可以有效降低谣言传播的风险并增强对谣言传播的抵抗力。