27、微博谣言检测数据集构建与鲁棒神经网络学习方法

微博谣言检测数据集构建与鲁棒神经网络学习方法

1. 微博谣言检测与WeiboCluster数据集概述

谣言是一种特殊的语言现象。随着新浪微博用户的不断增加，信息传播的管理变得愈发困难。由于“蝴蝶效应”，一条错误信息也可能对我们的生活产生重大影响。在紧急情况下，虚假谣言的传播会危及公民的福祉，因为他们会通过社交媒体的新闻流来了解最新动态。因此，近年来社交网络上的谣言检测问题受到了广泛关注。

深度学习是一项新兴技术，在不同领域得到了快速发展和广泛应用。循环神经网络（RNN）作为深度学习技术之一，在处理时间序列问题方面具有出色的能力。然而，深度学习的结果在很大程度上依赖于用于训练的数据集。对于谣言检测而言，目前缺乏统一、公开且合适的数据集供研究人员使用。

为了解决这一问题，提出了一种收集适合谣言检测的微博数据集的完整流程——WeiboCluster。该流程方便快捷，所得到的WeiboCluster数据集尽可能满足机器学习的要求，包含用户信息、微博信息等。

2. 构建WeiboCluster数据集

2.1 面向事件的收集

该数据集的主要目标是利用深度学习技术，特别是使用神经网络的方法来检测谣言。神经网络依赖神经元之间的权重来挖掘数据的潜在知识，对于谣言检测，不同的事件显然不应混合。最合理的状态是一个事件对应一组权重，即当向训练好的神经网络输入关于新事件的微博时，需要重新训练该网络。

因此，采用面向事件的收集方式。新浪微博有一个辟谣的官方账号，该账号会定期发布一些微博来澄清谣言，通过这些微博可以轻松找到指示谣言的关键词。例如，一条声称北京将有大雨的微博，其主题可作为事件标签，利用新浪微博的搜索功能，能快