[发明专利]一种基于朴素贝叶斯模型的谣言识别方法

摘要

本发明提供一种基于朴素贝叶斯的谣言识别方法，步骤如下：1，采集样本数据，构建消息转发网络；2，统计识别谣言转发网络的活跃用户；3，确定谣言识别的条件概率计算公式；通过以上步骤，本发明综合考虑了参与多个谣言转发的活跃用户节点，基于朴素贝叶斯模型，降低存储空间要求的同时提高了识别准确度和计算求解效率，解决了社交网络中谣言识别的问题，具有推广应用价值。

主权项

1.一种基于朴素贝叶斯模型的谣言识别方法，其特征在于：其具体实施步骤如下：步骤1，采集样本数据，构建消息转发网络首先采集样本数据，用于学习训练，根据转发消息的用户，建立消息转发网络，为进一步识别活跃用户做好数据准备，包括2个子步骤：1.1采集样本数据，并按标签进行分类；1.2定义网络节点与连边形式，构建消息转发网络；步骤2，统计识别谣言转发网络的活跃用户每一条消息形成一个消息转发网络，网络中存在一些参与不同转发网络的用户，对于谣言转发网络，通过识别这些活跃用户，进一步进行基于朴素贝叶斯模型的谣言转发网络识别，包括2个子步骤：2.1定义谣言转发的用户活跃度；2.2统计并筛选谣言转发网络中的所有活跃用户；步骤3，确定谣言识别的条件概率计算公式为判定一条消息是否属于谣言，需根据朴素贝叶斯模型确定谣言识别的条件概率计算公式，并在此基础上进行进一步简化公式，使得求解计算效率更高；条件独立性假设是朴素贝叶斯模型中“朴素”一词的来源，该假设目的在于简化联合概率的求解计算，引入该假设后，联合概率计算就转化为各自独立概率的乘积的形式，即P(x1，x2，...，xn|y)＝P(x1|y)P(x2|y)...P(xn|y)，式中：P(x1，x2，...，xn|y)表示y条件下事件x1，x2，...，，xn同时发生的联合概率，P(x1|y)表示y条件下事件x1发生的概率，类似的，P(xn|y)表示y条件下事件xn发生的概率；包括2个子步骤：3.1根据条件概率计算的一般公式，确定谣言识别的条件概率计算公式；3.2引入条件独立性假设，简化谣言识别的条件概率计算公式，提高计算效率；通过以上步骤，本发明基于朴素贝叶斯模型提出谣言识别的方法，相对于其他机器学习方法，该方法应用效果好，存储要求低，计算效率高，有利于对一条消息是否是谣言进行准确判断，具有推广应用价值。