45、微博谣言检测与智能海洋治理技术解析

微博谣言检测与智能海洋治理技术解析

1 微博谣言检测背景与问题提出

微博作为领先的社交媒体平台，方便人们创建、传播和发现内容，但也充斥着大量谣言。这些谣言干扰用户获取有效信息，可能引发公众恐慌，扰乱经济社会秩序。因此，高效检测微博谣言意义重大。

早期谣言检测多采用机器学习技术，通过标注数据集进行监督学习，但特征工程耗时耗力，且需专业背景知识。随着深度学习发展，虽能自动学习数据特征，但基于深度学习的文本表示采用静态预训练模型，词向量训练后不再改变，无法表示不同语境下的多义词。

2 相关研究工作

• 机器学习方法 ：早期常用，核心是手动特征提取和分类器训练。如Castillo等提取多种特征，J48决策树准确率达86%；Kwon等提出基于谣言传播的特征，召回率在87% - 92%；Ma等扩展模型；Mao等考虑深度语义特征；Wang等提出新特征，提升了谣言自动检测能力。但该方法依赖特征工程，手动设计特征成本高且需专业知识。
• 深度学习方法 ：为解决机器学习方法的问题，研究者开始探索深度学习方法。Ma等首次用深度学习模型进行谣言检测，双层GRU网络检测准确率达91%；Yu用doc2vec获取文本向量，CNN自动学习特征；Ren等用Word2Vec训练词向量，LSTM和GRU检测，准确率达92.66%。但这些研究使用静态预训练模型进行文本向量化，存在无法处理多义词的问题。

3 基于Bert - GRU的微博谣言检测模型

• 模型结构 ：先使用Bert模型表示