31、基于LSTM分类器的Twitter谣言自动检测与密度聚类算法解析

基于LSTM分类器的Twitter谣言自动检测与密度聚类算法解析

1. Twitter谣言检测相关技术

在Twitter数据处理中，为了有效检测谣言，采用了一系列技术手段。

1.1 热门推文提取

对于每个聚类 $K$，定义聚类权重 $CWi$ 如下：
$CWi = \sum_{i\in K}\sum_{j\in T} w_j \times f_{j,k}$
其中，聚类权重体现了每个聚类的影响力和重要性。对于每个聚类 $i$，选择包含该聚类至少一个话题标签的推文集合，并按推文权重降序排序。然后选取满足以下条件的前 $P$ 条推文：
$\sum_{j\in P} w_j \geq \frac{CWi}{a}$
这里 $a$ 是常数，$w_j$ 是推文 $t_j$ 的权重。

操作步骤如下：
1. 计算每个聚类的权重。
2. 筛选出包含对应聚类话题标签的推文。
3. 对筛选后的推文按权重排序。
4. 选取满足条件的前 $P$ 条推文。

1.2 提取最新推文

对于每条推文 $t_i$，抓取其作者 $u_i$ 发布的最新推文，得到其最近推文集合 $R_{i,k} = {t_{i1}, t_{i2}, …, t_{ik}}$。假设原始推文 $t_i$ 在时间 $r$ 发布，$R_{i,k}$ 表示用户 $u_i$ 在 $r$ 之前发布的最近 $k$ 条推文。同时，将每条推文的评论数、回复数和转发数作为特征。

操作步骤如下：
1. 确定目标推文 $t_i$。
2. 找到其作者 $u_i$。
3. 抓取