软件学报

作者：殷茗，乔胜，陈威，姜继娇

单位：殷茗，西北工业大学 软件学院, 陕西 西安 71007211,乔胜，西北工业大学 软件学院, 陕西 西安 71007202,陈威，西北工业大学 软件学院, 陕西 西安 71007203,姜继娇，西北工业大学 管理学院, 陕西 西安 71007204

关键词：谣言检测;群体情绪稳态;时序关系;空间关系;社交网络

基金：陕西省自然科学基础研究计划(2023-JC-YB-615); 教育部人文社会科学基金(24YJAZH202); 陕西省社会科学基金(2023R102)

网络信息来源众多、鱼龙混杂, 及时、准确地判断其是否为谣言是社交媒体认知域研究的关键问题. 先前的研究大多侧重于谣言的文本内容、用户特征或局限于传播模式中的固有特征, 忽略了用户参与事件讨论而产生的群体情绪及其产生且隐藏于谣言传播的情绪稳态特征的关键线索. 提出一种以群体情绪稳态为导向, 融合时序和空间稳态特征的社交网络谣言检测方法, 该方法基于谣言传播中的文本特征和用户行为, 将群体情绪的时序与空间关系稳态化特征相结合, 能够实现较强的表达能力和检测精度. 具体地, 该方法以用户对某事件或话题态度的情绪关键词作为基础, 利用递归神经网络构建时序关系的情绪稳态特征, 使群体情绪具有表达能力较强的时间一致性特征, 可以反映群体情绪随时间的趋同效应; 利用异构图神经网络建立用户与关键词、文本与关键词之间联系, 使群体情绪具有空间关系的细粒度群体情绪稳态特征; 最后, 将两类局部稳态特征进行融合, 具备全局性且提高了特征表达, 进一步分类可获得谣言检测结果. 所提方法运行于两个国际公开且被广泛使用的推特数据集上, 其准确率较基线中性能最好方法分别提高了3.4%和3.2%, T-F1值较基线中性能最好方法分别提高了3.0%和1.8%, N-F1值较基线中性能最好方法分别提高了2.7%和2.3%, U-F1值较基线中性能最好方法分别提高了2.3%和1.0%.

来源：2025年第11期

《软件学报》期刊编辑部

查看软件学报杂志2025年第11期