微博虚假信息及早检测与有效控制关键技术研究

In recent years, microblog has become a popular social medium for information dissemination. However, it could be seen that a lot of false information is sent and forwarded every day in microblog, due to the lack of an effective scheme for detection and countermeasures. In order to prevent the spread of false information and make microblog more user-friendly, this project proposes to research the critical issues related to the early detection of false information, and to develop the key techniques for effective controlling of the false information. The main research contents of this project are as follows:(1) This project intends to develop a popularity evaluation method for information based on hidden semi-Markov models, in order to identify the potentially popular information in microblog;(2) Based on the evaluation method and hidden semi-Markov models, this project intends to develop an early detection method for false information in microblog;(3) This project intends to develop a credibility evaluation method for information senders based on classification algorithms. The method could further improve the detection ratio of the early detection of false information;(4) In order to control the spread of false information in microblog, this project intends to develop a detection method for users who maliciously forward or comment the false information. The method is based on community detection algorithms;(5) Finally, this project intends to develop an effective control mechanism for false information in microblog.

目前微博迅速发展，已成为人们获取信息和发布信息的一个重要平台。然而微博也正成为虚假信息滋生和泛滥的温床。为了减少微博虚假信息对公众的影响，使微博在人们的生产和生活中发挥更积极的作用，本项目拟对微博虚假信息及早检测与有效控制中的一些关键技术进行研究，主要研究内容如下：(1)研究一种基于隐半马尔可夫模型的微博信息流行度评估方法，用于识别微博上潜在的流行信息；(2)在微博信息流行度评估方法的基础上，研究一种基于隐半马尔可夫模型的微博虚假信息及早检测方法；(3)研究一种基于分类算法的微博信息发送者可信度评估方法，以便提高微博虚假信息及早检测方法的检测率；(4)为了净化微博信息的传播环境、抑制微博虚假信息的传播，研究一种基于社区检测算法的恶意转发者和恶意评论者检测方法，用于识别微博虚假信息传播过程中的恶意转发者和恶意评论者；(5)研究一种面向微博虚假信息的控制方法，用于有效抑制微博虚假信息的传播。

目前微博迅速发展，已成为人们获取信息和发布信息的一个重要平台。然而微博也正成为虚假信息滋生和泛滥的温床。为了减少微博虚假信息对公众的影响，使微博在人们的生产和生活中发挥更积极的作用，本项目对微博虚假信息及早检测与有效控制中的一些关键技术进行了研究。. 主要研究内容为：(1)研究一种微博信息流行度评估方法；(2)研究一种微博虚假信息及早检测方法；(3)研究一种微博信息发送者可信度评估方法；(4)研究一种恶意转发者和恶意评论者检测方法；(5)研究一种面向微博流行虚假信息的控制方法。. 重要结果：(1) 首次提出、实现了一种基于把关人行为的微博虚假信息及早检测方法。该方法利用模型状态持续时间概率为Gamma分布的隐半马尔可夫模型来刻画信息转发者和评论者对流行的真实信息的把关行为，基于此来及早识别微博上流行的虚假信息。该方法分为模型训练和虚假信息检测两个阶段，在虚假信息检测阶段，计算每条信息在传播过程中产生的观测序列相对于模型的平均对数似然概率，实时更新每条信息的可信度，从而及早发现虚假信息，降低虚假信息的危害。使用采集的新浪微博数据集和Twitter数据集对该方法进行了测试，实验结果表明该方法具有很高的真正率和较低的假正率，能在信息传播的前期就能识别出虚假信息。(2) 提出、实现了一种基于GGHSMM的微博信息流行度评估方法，GGHSMM为模型状态持续时间概率为Gamma分布、观测值服从Gaussian分布的隐半马尔可夫模型，使用采集的新浪微博数据集对该方法进行了测试，实验结果表明该方法具有很高的精度和召回率。(3) 提出、实现了一种基于分类算法的微博信息发送者可信度评估方法，使用采集的新浪微博数据集对该方法进行了测试，实验结果表明该方法具有很高的精度和召回率，并且具有较快的分类速度。. 科学意义：首次实现了一种基于把关人行为的微博虚假信息及早检测方法，该方法能在信息传播的前期就能识别出虚假信息。初步研究成果已发表在我国计算机领域权威期刊《计算机学报》上。