Resumen

La red social se ha convertido en el principal medio de propagación de rumores. Además, la identificación manual de rumores es extremadamente lenta y laboriosa. Es crucial identificar los rumores de forma automática. La tecnología de aprendizaje automático se implementa ampliamente en la identificación y detección de desinformación en las redes sociales. Sin embargo, los métodos tradicionales de aprendizaje automático dependen profundamente de la ingeniería de características y el conocimiento del dominio, y la capacidad de aprendizaje de las características temporales es insuficiente. Además, las características utilizadas por el método de aprendizaje profundo basado en el procesamiento del lenguaje natural están muy limitadas. Por lo tanto, es de gran importancia y valor práctico estudiar el método de detección de rumores de forma independiente a la ingeniería de características y de agregar eficazmente características heterogéneas para adaptarse a la red social compleja y variable. En este artículo, se propone un método de modelado de agregación de características basado en una red neuronal profunda (DNN), que aprovecha al máximo

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Red social; Propagación de rumores; Tecnología de aprendizaje automático; Detección de desinformación; Método de aprendizaje profundo; Modelado de agregación de características
• Keywords:Social network; Rumor propagation; Machine learning technology; Misinformation detection; Deep learning method; Feature aggregation modeling