共查询到19条相似文献，搜索用时 156 毫秒
1.
突发事件发生以后由于信息的匮乏,人们对信息的渴求也异于平常,谣言更容易被人们相信并传播。本文通过构建数学模型,利用MATALB数值仿真,分析突发事件网络谣言的传播机理、探讨控制谣言传播的因素、寻找控制谣言传播的对策,为政府的网络谣言控制决策提供理论依据和合理建议。 相似文献
2.
针对社会热点事件网络谣言信息传播行为,从犯罪心理学角度出发,运用犯罪学领域中和技术和威慑理论,分析网络环境下,人们对网络谣言信息情绪化传播时对中和技术的运用,以及正式惩罚和非正式惩罚在规范网络谣言信息情绪化传播行为中的作用。在此基础上,提出研究假设,运用结构方程模型( SEM)方法构建理论模型,实证分析人们信息网络情绪化传播行为的动机。结果表明：中和技术理论与社会热点事件网络谣言信息情绪化传播意愿正相关,会增强人们对社会热点事件网络谣言信息情绪化传播的意愿,正式惩罚、非正式惩罚和羞愧惩罚有显著负相关,会在一定程度上约束人们社会热点事件网络谣言信息情绪化传播行为的意愿。 相似文献
3.
[目的/意义]探究图书情报学科与新闻传播学科在网络谣言研究中的发展现状与研究热点,比较分析两门学科在网络谣言研究中的共性与差异性。[方法/过程]采用文献计量与内容分析方法,对发表于图书情报学科与新闻传播学科的CSSCI与北大中文核心期刊中关于网络谣言研究的文献,从发文机构、核心作者以及关键词这三个方面进行了比较分析。[结果/结论]两门学科关于网络谣言的研究有着网络谣言研究方法的差异性、谣言传播研究的不同方向、网络谣言研究对象的相似性,同时也发现两门学科在论文发表方面存在着融合研究。建议加强本学科的相互合作、加强两门学科间的融合研究、两门学科间互相吸纳研究方法。 相似文献
4.
5.
[研究目的]社交媒体平台在促进多元信息交互的同时,也助推了谣言的快速传播。如何准确、及时地发现谣言,已成为多领域学者共同关注的热点问题。最新的谣言检测研究表明,基于谣言传播结构的方法能够捕捉丰富的谣言传播特征,提升谣言检测准确率,而基于外部证据推理的方法可以在传播数据不充分的情况下判别谣言真假,提高谣言检测的时效性。[研究方法]为实现谣言检测准确率和时效性的同步提升,本研究结合这两种方法的优势,提出了基于并行图注意力网络的谣言检测方法ParallelGAT。ParallelGAT由两个图注意力网络模型BiGAT和MlGAT并行构成。其中,BiGAT模型通过引入注意力机制以捕捉重要的谣言传播和散布特征;MlGAT模型通过在外部知识中增加多头注意力机制以获取关键的外部句子级证据知识和词语级证据知识;BiGAT和MlGAT的输出特征向量最终通过聚合模块生成谣言检测标签。[研究结论]在公开数据集上的实验结果显示,该文提出的模型优于现有的方法。 相似文献
6.
现时微博谣言泛滥,对现实社会危害巨大。为了科学控制微博不实信息的传播,本研究根据微博网络谣言传播特点以及病毒传播模型,提出具有怀疑与反谣言机制的有向传播模型SIR-CO,并进一步提出谣言源影响力评估算法,实时监控微博谣言造成的社会影响力,在此基础上,采取基于Agent的建模仿真方法对微博谣言传播进行模拟仿真。分析结果表明:内容信服度、节点影响度以及抑制时机是影响微博谣言传播与控制的重要因子;谣言源影响力与传播数、感染节点数以及等级影响度分布皆存在相关关系,最后趋于稳定状态。基于仿真分析结果,建议控制微博谣言传播时,可运用目标免疫策略阻止谣言向外传播,并采取多点侧面慢性策略减低谣言的同化作用。 相似文献
7.
[目的/意义] 移动互联网时代谣言传播模式发生了巨大的变化,一方面谣言的扩散已不再局限于孤立的线下人际关系网络或线上互联网,谣言在耦合网络之间的传播变得更加普遍。另一方面,以往通过概率方式研究谣言的传播存在很大的不准确性,受众的个体特征差异对谣言的传播起到了更重要的作用。本文针对上述现象进行了研究。[方法/过程] 以受众的年龄作为两种网络的耦合依据,提出基于受众年龄的新型谣言传播的耦合社交网络（ASCN）。从受众的认知能力、匿名程度、权威性等基本特征,以及受众的从众心理、记忆效应、好友的影响作用等心理特征方面对受众进行画像,构建多维度函数实现基于受众画像的谣言传播模型。[结果/结论] 基于ASCN对本文提出的模型进行模拟仿真。结果表明,ACSN能够真实地反应出当前网络环境下谣言传播呈现出的"线下引起线上共鸣"、"线上溢散线下"的特征;受众的基本特征和心理特征能够对谣言传播产生巨大的影响,能更好地反映社交网络中谣言的传播规律。 相似文献
8.
9.
[目的/意义]旨在探究网络谣言传播中的政治安全风险特征、演化机理以及生态治理对策等问题,以期为网络政治安全风险防控提供理论依据,进一步丰富完善网络谣言治理理论。[方法/过程]基于舆情生态和风险治理理论,通过分析网络谣言传播中的政治安全风险特征和演化机理,建立网络谣言生态治理模型,进而提出面向政治安全的网络谣言生态治理的主要对策。[结果/结论]面向政治安全的网络谣言生态治理,可从整体治理、主体联动、风险防控、环境优化等维度,通过建立网络谣言生态治理体系、提高信息主体网络政治素养、构建全过程安全风险防控体系、健全网络空间安全法制体系等途径进行综合施策和整体推进。 相似文献
10.
结合传播网络的复杂性和社会性,利用元胞自动机的基本原理,构建了网络谣言传播的动态模型,从中心度、关系强度和网络结构3个方面对传谣传播的效果进行仿真实验。结果表明：网民在其网络群体内的社会地位和网络谣言传播呈正相关;关系强度和中心度对网络谣言的传播范围共同产生正向影响;网络密度和网络谣言的传播范围呈正相关。根据仿真结果,提出预防网络谣言涌现的建议参考。 相似文献
11.
【目的/意义】构建了一套科学合理的网络谣言风险测度体系,以期为网络谣言的识别和控制提供参考,建
设健康安全的网络信息环境。【方法/过程】以网络谣言风险测度为切入点,运用层次分析法基于事件性质、事件热
度、事件传播、事件趋势四个维度构建网络谣言风险测度指标体系,利用模糊综合评价法对40例谣言事件的风险等
级进行评价,采用模糊集定性比较分析方法,探讨不同类别的网络谣言治理路径。【结论/结果】研究表明高事件性
质是食品类、儿童类、信息安全类网络谣言高风险发生的核心条件,高事件趋势是食品类和中美贸易战类网络谣言
高风险发生的核心条件,并针对每一个影响因素给出具体的建议。【创新/局限】为网络谣言风险测度提供了新的研
究方法,在理论上进一步丰富了网络谣言风险测度研究体系,为政府网络谣言的管理和应对提供建议,具有一定的
实践价值。后续研究将进一步改进和完善网络谣言风险测度指标体系。 相似文献
12.
【目的/意义】互联网背景下社会热点事件层出不穷,因网络高关注度极易引发舆情与谣言危机,舆情与谣
言演变时关系紧密,通过分析舆情与谣言耦合机制,为社会热点事件网络治理提供指导。【方法/过程】选取近4年28
个社会热点事件,筛选其中表现突出的耦合样本,可视化呈现了社会热点事件网络舆情与谣言的耦合模型,进而利
用场域理论中行动者、资本与惯习的内、外循环机理揭示网络舆情与谣言的耦合机制。【结果/结论】揭示了社会热
点事件网络舆情与谣言的一致演变耦合模型、超前分歧耦合模型和滞后分歧耦合模型,并深入分析了三类耦合模
型中不同的耦合机制,包括两场域互振共变机制、谣言场抑制与舆情场反攻机制,以及舆情场主导与谣言场破茧机
制。对于社会热点事件网络舆情与谣言的科学判定及精准施策具有重要意义。【创新/局限】结合多元研究方法揭
示舆情与谣言间的双向互动关系,在舆情与谣言耦合演变影响因素的理论研究仍需加强。 相似文献
13.
【目的/意义】揭示突发公共卫生事件中高热度和低热度网络谣言传播组态路径,为政府和民众应对突发公
共卫生事件中的谣言传播,制定有效的谣言消解措施提供参考。【方法/过程】以COVID-19疫情下13起发展成熟的
谣言作为研究案例,提取了事件属性、渠道特征、用户情绪、辟谣时效4个前因变量和谣言传播热度这一结果变量,
并利用fsQCA进行分析。【结果/结论】通过fsQCA3.0软件共生成CO1高热度快速增降型和CO2高热度权威持续型
2条高热度谣言组态。同时生成CO3低热度长期持续型和CO4低热度快速“自辟谣”型两条低热度谣言组态。【创
新/局限】本文针对COVID-19疫情下的谣言进行高低热度组态分类,在研究对象和研究方法方面具有一定的创新
性。但当前研究纳入的谣言数量和变量数量较少,可能存在其他未能覆盖的重要组态,未来可结合成熟的COV?
ID-19疫情下的谣言体系纳入更多谣言案例进行总结性研究。 相似文献
14.
[目的/意义]关注突发公共卫生事件网络谣言"长尾"传播现象,从博弈角度探求"长尾"的控制变量,为实现网络谣言治理长效化提供依据。[方法/过程]基于官方辟谣后信息生态环境和公众认知的差异,引入SIRS模型,以不完全信息动态博弈为基础构建传播模型,计算出长尾期个体策略分布,利用MATLAB进行仿真和案例验证,寻找"长尾"控制途径。[结果/结论]长尾控制博弈模型分析从个体交互层面为网络谣言管控带来新思路。在突发公共卫生事件网络谣言传播后期,作为拽尾策略,增加个体不信谣的收益、降低个体的谣言相关信息分析成本均需被持续实践。其中,比之于增加公共收益,增加不信谣的个体收益有更大的长尾控制效用,是重点关注工作。 相似文献
15.
在处于转型期的中国社会,谣言传播时有发生。它作为现代社会的一大顽疾,成为摆在公众和政府面前的难题。转型期的社会矛盾与失范、社会心理的失衡与断层,是谣言滋生和传播的土壤。鉴于谣言传播的长期性和复杂性,政府管理部门应采取多种手段,包括建立和完善辟谣应急机制、建立和完善民间信仰引导机制、不断完善对谣言传播行为的依法查实和惩处机制等,将谣言传播对公众心理和整个社会系统的危害程度降到最低。 相似文献
16.
【目的/意义】随着社交网络的复杂化,当前谣言往往是由描述事件的文本、对应的图片或者视频组成,多种
模态的谣言更容易给用户传达一种错误的认知。现有谣言检测的研究往往只使用谣言文本特征,且未能充分挖掘
谣言与事件存在的联系。【方法/过程】因此本文提出一种基于增强对抗网络和多模态融合的谣言检测方法,使用
BERT 和 Text-CNN 提取文本特征,使用 VGG-19网络提取图像特征,再通过注意力机制捕捉多个模态的特征交
互,最后使用增强对抗网络来挖掘谣言和事件之间联系。【结果/结论】在公开的微博多模态数据集上进行对比实
验,实验结果表明该方法检测的准确率达到了 92.5%,相较于传统单模态和现有多模态模型,提升了约 10%~20%。
【创新/局限】本文将对抗网络和多模态特征融入谣言检测中,有效提升了谣言检测的效果,但目前仅尝试了文本和
图像两种模态的结合,如何融合更多模态的特征后续有待研究。 相似文献
17.
《Information processing & management》2020,57(2):102018
Users of social media websites tend to rapidly spread breaking news and trending stories without considering their truthfulness. This facilitates the spread of rumors through social networks. A rumor is a story or statement for which truthfulness has not been verified. Efficiently detecting and acting upon rumors throughout social networks is of high importance to minimizing their harmful effect. However, detecting them is not a trivial task. They belong to unseen topics or events that are not covered in the training dataset. In this paper, we study the problem of detecting breaking news rumors, instead of long-lasting rumors, that spread in social media. We propose a new approach that jointly learns word embeddings and trains a recurrent neural network with two different objectives to automatically identify rumors. The proposed strategy is simple but effective to mitigate the topic shift issues. Emerging rumors do not have to be false at the time of the detection. They can be deemed later to be true or false. However, most previous studies on rumor detection focus on long-standing rumors and assume that rumors are always false. In contrast, our experiment simulates a cross-topic emerging rumor detection scenario with a real-life rumor dataset. Experimental results suggest that our proposed model outperforms state-of-the-art methods in terms of precision, recall, and F1. 相似文献
18.
《Information processing & management》2019,56(4):1457-1467
In the social media environment, rumors are constantly breeding and rapidly spreading, which has become a severe social problem, often leading to serious consequences (e.g., social panic and even chaos). Therefore, how to identify rumors quickly and accurately has become a key prerequisite for taking effective measures to curb the spread of rumors and reduce their influence. However, most existing studies employ machine learning based methods to carry out automatic rumor identification by extracting features of rumor contents, posters, and static spreading processes (e.g., follow-ups, thumb-ups, etc.) or by learning the presentation of forwarding contents. These studies fail to take into account the dynamic differences between the spreaders and diffusion structures of rumors and non-rumors. To fill this gap, this paper proposes Long Short-Term Memory (LSTM) network based models for identifying rumors by capturing the dynamic changes of forwarding contents, spreaders and diffusion structures of the whole (in the afterwards identification mode) or only the beginning part (in the halfway identification mode, i.e., early rumor identification) of the spreading process. Experiments conducted on a rumor and non-rumor dataset from Sina Weibo show that the proposed models perform better than existing baselines. 相似文献
19.
跟腐败类话题相关的谣言极易引发全社会的轰动,微博已成为此类谣言传播的平台。现象的背后反映出的是公众的仇官心理,仇官心理左右公众情绪与行为。基于谣言生成因素的理论研究,从微博传播层面和公众心理层面探讨此类谣言的发生机制。基于5W传播理论,思考腐败类微博谣言的发生过程,并提出治理此类谣言的策略:止于智者、止于公开、止于及时、止于机制、止于法治、止于技术。探索性地构建出反腐败类微博谣言治理的架构。 相似文献