Resumen

Las redes sociales en línea proporcionan condiciones convenientes para la propagación de rumores, y los falsos rumores causan un gran daño a la vida social. La difusión de rumores es un proceso, y la identificación efectiva de los rumores en la etapa temprana de su aparición reducirá el impacto negativo de los rumores falsos. Este artículo propone un novedoso modelo de detección temprana de rumores (ERD) basado en aprendizaje por refuerzo. En la parte de detección de rumores, se propone un modelo de detección de rumores de doble motor basado en aprendizaje profundo para realizar la extracción diferencial de características de los tweets originales y sus respuestas. Se propone un mecanismo de doble autoatención (DSA), que puede eliminar la redundancia de datos en oraciones y palabras al mismo tiempo. En la parte de aprendizaje por refuerzo, se propone un modelo ERD basado en Red Neuronal de Aprendizaje Profundo Recurrente Q (DRQN), que utiliza LSTM para aprender las características de la secuencia

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Redes sociales; Rumores; Detección; Modelo; Aprendizaje por refuerzo; Aprendizaje profundo
• Keywords:Social networks; Rumors; Detection; Model; Reinforcement learning; Deep learning