陈耿 黄取治

摘要：谣言检测是社交网络谣言研究、监测及整治的基础，其实施情况得到社会的广泛关注，相伴随的是微博谣言辨识的研究工作不断增多。该文把微博谣言作为研究对象，搭建了微博谣言的检测框架，其主要是由获取数据、处理数据及谣言检测三大步骤构成，基于实验研究过程，对比了差异化数据已标注比例时不同半监督学习的性能和ImCo-Forest算法之间的差异，发现ImCo-Forest在谣言检测方面更占优势。希望能和同行共同分享方法与经验，以期进一步完善微博谣言检测工作。

关键词：微博谣言;半监督学习;ImCo-Forest算法;谣言检测系统

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2021）15-0012-02

1 背景

微博凭借自身在即时性、匿名性、广泛性等方面占据的优势，从根本上扭转了传统媒介下信息传播的样态，塑造了去中心化的传播局势，成为传播社会舆论的新载体。

微博平台上每次只能发布长度为140字符的文字信息，其不具有完整阐述事实的功能，外加微博用户的草根性，使微博逐渐成为聚集、散播谣言的载体，频繁转播、评论虚假信息，不断拓展负面影响的范围，使用用户主观上生成强烈的“信任危机感”，不利于社会的和谐、平稳发展。谣言检测隶属于网络信息可信度研究的范围，微博谣言检测能净化微博平台环境，引导平台健康运作发展，创造出更大的效益。

2 背景分析

微博是现代生活中的一种常用社交网络平台，广大用户可以利用浏览器、智能手机及他类智能联网的客户端传送信息，进而达到分享即时信息的目的。……