| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 绪论 | 第11-16页 |
| 第一章 敏感词库的结构设计 | 第16-31页 |
| 第一节 谣言敏感词库简介 | 第16-19页 |
| 一、谣言简介 | 第16页 |
| 二、词库定义和构建方法 | 第16-17页 |
| 三、传统敏感词库与谣言敏感词库异同 | 第17页 |
| 四、构建敏感词库遇到的困难 | 第17-18页 |
| 五、敏感词库设计思路 | 第18-19页 |
| 第二节 基于L-CPBL抽词算法提取种子词集 | 第19-22页 |
| 第三节 基于多元扩展算法提取扩展词集 | 第22-27页 |
| 一、一元近似词集 | 第23-26页 |
| 二、二元关联词集 | 第26-27页 |
| 三、替代词集 | 第27页 |
| 第四节 实验设计与分析 | 第27-31页 |
| 一、数据集及预处理 | 第27页 |
| 二、基于L-CPBL抽词算法提取种子词集 | 第27-28页 |
| 三、基于多元扩展算法提取扩展词集 | 第28-31页 |
| 第二章 基于文本特征和GBRT的微博谣言识别 | 第31-41页 |
| 第一节 基于文本特征的GBRT分类 | 第31-33页 |
| 第二节 微博综合特征提取与向量表示 | 第33-35页 |
| 第三节 基于GBRT的谣言识别 | 第35-36页 |
| 第四节 实验设计及分析 | 第36-41页 |
| 一、微博综合特征提取与向量表示 | 第36-38页 |
| 二、GBRT集成分类 | 第38-41页 |
| 第三章 基于长短期记忆网络(LSTM)的二次谣言识别 | 第41-47页 |
| 第一节 背景及方法 | 第41-44页 |
| 一、循环神经网络RNNN | 第41-42页 |
| 二、长短期记忆网络LSTM | 第42-43页 |
| 三、基于长短期记忆网络(LSTM)的谣言二次识别 | 第43-44页 |
| 第二节 实验结果及分析 | 第44-47页 |
| 第四章 实例分析 | 第47-56页 |
| 第一节 案例背景及流程分析 | 第47-49页 |
| 第二节 社会类谣言实例 | 第49-53页 |
| 第三节 经济类谣言实例 | 第53-56页 |
| 第五章 总结与展望 | 第56-59页 |
| 第一节 总结 | 第56-58页 |
| 第二节 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |