蔡国永,毕梦莹,刘建兴

(桂林电子科技大学广西可信软件重点实验室，广西 桂林 541004)

1 引言

推特Twitter(http://www.twitter.com/.)和新浪微博Sinaweibo(http://www.weibo.com/.)是两种典型的社交网络平台，它们允许用户发布小于140个字符的短消息并将信息传递给他们的粉丝，这些短消息支持添加图片、视频等多媒体数据。粉丝们带评论或不带评论的转发行为促进了这些消息在社交网络中的传播。由于消息没有经过把关，社交网络容易成为谣言传播的温床。不少事实证明，网络谣言会引起严重的公众恐慌和社会动荡，如2013年4月23日，推特上的一条关于美国总统奥巴马在白宫爆炸中受伤的消息导致道琼斯指数在几分钟内下跌140个点。由于谣言的危害性，学者们开始关注社交网络中谣言的自动检测问题。

谣言识别通常被视为二分类问题，基于统计方法进行特征检测是提高分类器性能的关键，目前社交网络谣言检测研究中，已设计的检测特征主要分为5类：(1)基于内容的特征，即依据微博文本，考虑文本内容统计特征，例如文本长度、标点符号、是否包含短链接、标签、表情符号或词性标注等简单特征[1,2]，以及情感分数、词向量等深层语义特征，如文献[3]发现，用神经网络语言模型生成微博的文本向量表示有助于谣言检测。(2)基于用户的特征，包括用户注册的时间、地点、用户性别、年龄、用户名、头像、是否认证、关注数、粉丝数、描述、主页、已发微博数等[4,5]，也有基于用户行为特征的相关研究[6]。(3)基于传播结构的特征，指的是消息传播树结构或用户朋友的网络结构，比如节点个数、根节点的度[1,5,7]、用户传播类型[8,9]、标记传播树[10]等。……