共查询到20条相似文献，搜索用时 15 毫秒
1.
【目的/意义】本文融合文本和图像的多模态信息进行情感识别,引入图片模态信息进行情感语义增强,旨在
解决单一文本模态信息无法准确判定情感极性的问题。【方法/过程】本文以网民在新浪微博发表的微博数据为实
验对象,提出了一种基于DR-Transformer模型的多模态情感识别算法,使用预训练的DenseNet和RoBERTa模型,
分别提取图片模态和文本模态的情感特征;通过引入Modal Embedding机制,达到标识不同模态特征来源的目的;
采用浅层Transformer Encoder对不同模态的情感特征进行融合,利用Self-Attention机制动态调整各模态信息特征
的权重。【结果/结论】在微博数据集上的实验表明：模型情感识别准确率为 79.84%;相较于基于单一文本、图片模
态的情感分类算法,本模型准确率分别提升了 4.74%、19.05%;相较于对不同模态特征向量进行直接拼接的特征融
合方法,本模型准确率提升了 1.12%。充分说明了本模型在情感识别的问题上具有科学性、合理性、有效性。【创
新/局限】利用 Modal Embedding 和 Self-Attention 机制能够有效的融合多模态信息。微博网络舆情数据集还需进
一步扩充。 相似文献
2.
【目的/意义】社交媒体在改变新闻传播以及人类获取信息方式的同时,也成为了虚假新闻传播的主要渠
道。因此,快速识别社交媒体中的虚假新闻,扼制虚假信息的传播,对净化网络空间、维护公共安全至关重要。【方
法/过程】为了有效识别社交媒体上发布的虚假新闻,本文基于对虚假新闻内容特征的深入剖析,分别设计了文本
词向量、文本情感、图像底层、图像语义特征的表示方法,用以提取社交网络中虚假新闻的图像特征信息和文本特
征信息,构建多模态特征融合的虚假新闻检测模型,并使用MediaEval2015数据集对模型性能进行效果验证。【结果/
结论】通过对比分析不同特征组合方式和不同分类方法的实验结果,发现融合文本特征和图像特征的多模态模型
可以有效提升虚假新闻检测效果。【创新/局限】研究从多模态的角度设计了虚假新闻检测模型,融合了文本与图像
的多种特征。然而采用向量拼接来实现特征融合,不仅无法实现各种特征的充分互补,而且容易造成维度灾难。 相似文献
3.
【目的/意义】随着社交网络与新闻媒体的发展，大量虚假信息的滋生与传播已经引发了严重的社会问题。目前的研究主要依赖于收集谣言发生后的传播特征进行识别。为了在早期更准确地发现谣言，本文提出一种融合深度语义知识的谣言识别模型。【方法/过程】本文通过使用Transformer和Multi-head注意力抽取舆情信息深层结构的复杂特征，融合了文档结构及上下文语义知识表征，以提高早期识别虚假舆论信息准确率来及时防止谣言传播扩散。【结果/结论】本文通过在各个平台的真实数据集进行训练和识别实验，较现有基线方法的准确率最少提升了5.6%，最大提高了24.6%。结果表明，本文模型可通过对早期谣言文本的事实验证，提高模型识别谣言的准确性以在早期阶段阻断谣言传播。【创新/局限】本文谣言识别模型在BERT-Base基础上进一步结合了舆情文本语义知识特征表征，能有效提高早期谣言的识别准确度，但目前尚未考虑谣言传播者个性化特征如社会标签、行为信息等，如何融合更多传播者特征有待进一步研究。 相似文献
4.
【目的/意义】为提升主流融媒体意识形态建设和舆论引导能力,解决大数据时代背景下主流融媒体多模态
信息资源管理的困境,构建高效的热点发现机制。【方法/过程】笔者着眼于主流融媒体热点发现需求构建需求体
系,然后利用Scrapy-Redis框架、HBase数据库和MapReduce实现了数据的精准采集、有序存储和高效处理,再基于
多模态信息融合的理念,借助 NLP技术对信息资源的特征进行提取,最后利用 LDA2vec模型和 Single-Pass算法实
现了信息归集和热点的发现与更新。【结果/结论】仿真实验结果表明,本研究所使用的方法,能够较好地实现多模
态信息的归集和热点的提取,效果较同类模型有明显提升。【创新/局限】但是在运用NLP技术处理多模态信息时各
处理环节的衔接尚不够流畅,后续仍需进行改进提升。 相似文献
5.
[目的/意义]丰富的互联网数据为洞悉真实事件提供了多维视角,快速识别突发事件并准确判断其所属类别,有助于各级政府及应急管理部门高效地管理应急情报资源。[方法/过程]文章构建了基于文本—图像增强的突发事件识别及分类的理论模型;通过文本卷积神经网络、视觉几何群网络搭建深度神经网络共同组成Multi-DNN模型;最后以真实的自然灾害类突发事件数据进行实例验证。[结果/结论]通过文本、图像相互增强,多模态特征融合能够提升突发事件识别及分类的准确率,同时在小样本数据的任务处理中仍有良好效果,证明不同模态的数据能够相互补充、相互印证,对其融合处理能够提供比单一模态更为准确和全面的信息分析。 相似文献
6.
[目的/意义]针对突发事件分类研究中模态单一或缺失、分类效果不理想等问题，本文提出结合文本和图片特征信息，以多模态融合的方式对突发事件进行分类。[方法/过程]本文提出一种基于多模态融合的突发事件分类模型(Emergency Classification Model with Hybrid Fusion, ECMHF),由BERT联动BiLSTM构成的文本特征抽取分类模型、VGG19为基础的图像特征抽取分类模型、融合文本描述特征和视觉语义特征的多模态融合层加上预测类别输出层组成的多模态分类模型3部分构成主体框架，最后将所有模型的决策层输出分配权重后再融合。[结果/结论]以收集的突发事件新闻数据为实验样本进行实证研究。结果表明，ECMHF模型在所有模型中性能最佳，F1值达到最高的99.072%,比次优模型高出0.51%。加入混合融合策略的ECMHF模型能够有效地识别出突发事件的类别。未来将在更为广泛和多元的突发事件多模态数据集中进行验证。 相似文献
7.
【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
8.
【目的】探讨元宇宙技术背景下科技出版面临的挑战与机遇,探索以人工智能(AI)技术为核心元宇宙多模态、跨模态内容大爆发带来的科技期刊行业的范式创新和高质量发展路径。【方法】对元宇宙AI多模态、跨模态内容的相关概念、理念、特点、工具、应用场景等进行理论探讨,以《实用临床医药杂志》多模态数智内容融合出版实践范例为模板,剖析科技期刊元宇宙出版与传播的可能路径。【结果】借助多语种即时交互技术,科学共同体可实现“母语化创作,母语化阅读”,即科技期刊从以语种为焦点逐渐向以元宇宙多模态、跨模态学术内容的生产、组织、审核、评价、确权、传播、存储和应用为核心转移。AI赋能的“多模态数智内容编辑器”可解决元宇宙多模态内容的碎片化与孤岛化问题,是编辑与传播多模态内容的利器。【结论】元宇宙为科学共同体引入全新变量,多模态、跨模态传播生态让全球科技出版面临全新的发展格局,科学研究进入第五范式“元宇宙科学范式”,科技期刊发展进入元宇宙多模态、跨模态内容时期。《实用临床医药杂志》实践案例表明“多模态数智内容编辑器”可以解决元宇宙多模态、跨模态碎片化与孤岛化问题。 相似文献
9.
[目的/意义]为了解决因微博文本多义性和复杂性导致的谣言检测中语义特征提取不全面的问题,提出了一种结合微博内外多粒度语义的BiLSTM-CNN-ECA模型。[方法/过程]首先,对微博文本从字词句三个粒度级别建模,运用双向长短期记忆网络提取微博内部语义特征,生成事件字向量矩阵和事件词向量矩阵;然后,拼接事件句向量矩阵形成三维文本特征矩阵,输入多尺度卷积神经网络,并行提取微博之间的依赖关系特征;最后,引入高效通道注意力模块赋予通道权重,进行微博谣言检测。[结果/结论]构建的三维文本特征矩阵有机结合了各粒度文本的语义特征贡献,包含更多、更全面的微博语义信息;ECA可有效捕获通道间重要信息,进一步提高了多尺度CNN模型对谣言检测的准确率。 相似文献
10.
[目的/意义]多模态资源虽类型丰富但分散无序,挖掘多模态资源间隐含的知识关联进而实现跨模态、多角度的知识重组,对于多模态资源的智能管理与深层服务都具有重要的价值。[方法/过程]文章立足知识服务的特点与需求,结合多模态资源的特征,探讨多模态资源的知识挖掘方案,并基于此方案探讨可通用的多维度知识重组方案。在此基础上,以多模态红色资源为代表,通过对红色人物陈毅相关多模态资源的获取与处理,实现相关文本、图像、视频资源的知识重组,开发了可视化知识服务平台“陈年毅事”,并从时间、地点、人物、主题等不同维度探讨了可视化知识服务的实现路径。[结果/结论]通过实证研究,验证所提出知识重组方案的适用性与可行性,可以为多模态资源的深度挖掘、多维组织与服务应用提供一定的借鉴与参考。[局限]图像及视频资源有待更深层的挖掘;知识关联方式还有待补充。 相似文献
11.
【目的/意义】高校网络舆情是高校人员通过互联网表达个人思想、诉求个人利益所表现的网络行为,是网 络舆情在高校的延申和体现。然而,网络上的不良信息包括网络暴力、网络过度娱乐、网络谣言等可能对高校师生 产生负面影响,影响社会稳定。【方法/过程】以微博数据为数据源,使用网络爬虫采集以网络谣言、网络暴力等及大 学生为关键词的微博转发和评论内容作为实验样本,通过文本挖掘分析高校负面网络舆情传播特征和路径,并提 出引导建议。【结果/结论】网民在讨论高校负面网络舆情信息传播过程中,较关注这些负面信息对线下生活的影 响;核心传播网民的平均中心度最高,其次是核心传播媒体,核心传播机构的中心度最低;新媒体环境下高校负面 网络舆情传播呈突发裂变式,信息传播状态不稳定,波动性较大。 相似文献
12.
13.
【目的/意义】本文基于深度学习的理论框架,以突发事件中多模态危机情报智能采集加工生成应对策略的 过程作为研究对象,构建出第三视角视频采集模型,并按照“数据→信息→知识→情报”的递进顺序建立危机情报 多层次多阶段智能化模型。【方法/过程】提供不同层次多模态情报挖掘智能方法,使其达到对突发事件中多模态危 机数据智能采集后,通过智能挖掘分析把危机信息加工成危机知识并利用其智能生成突发事件分阶段应对策略, 从而最终构建多模态危机情报智能管理体系。【结果/结论】本文的研究架构和情报智能挖掘,可为突发事件应急决 策提供科学、客观的实践参考和理论指导。 相似文献
14.
【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
15.
【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
16.
【目的/意义】基于社交媒体用户分享的图像、博文及用户标签数据,为用户推荐潜在的好友,从而更好的为 用户做个性化推荐和精准化服务。【方法/过程】在获取微博用户分享的图像、博文及用户标签的基础上,通过使用 深度学习的方法利用图像、博文及用户标签数据来表达用户兴趣特征,基于这三类特征组合,通过计算用户之间的 余弦相似度来挖掘与目标用户兴趣最相近的若干个候选用户。同时,探讨了多模数据在无监督学习下的用户推荐 问题,并与单模数据进行比较。【结果/结论】实验结果表明,利用图像、博文和用户标签合成的多模数据对用户的兴 趣进行建模并进行好友推荐较单模数据效果好。 相似文献
17.
【目的/意义】建立新的网络谣言传播模型,为网络谣言的应对及治理提供有益的参考。【方法/过程】针对网
络谣言的传播特点,借鉴药物动力学中的药物扩散原理,建立了网络谣言的CFDR传播模型,给出了相应的数学方
程式;进一步探讨了权威媒体干预因素和时滞性影响,对模型进行了优化,修正了谣言传播的峰值预测和总人数
值;利用matlab、python等工具进行对参数的敏感性进行了分析;最后,以“成都49中”事件为实例验证了模型的有效
性,并分析了相关影响因素。【结果/结论】结果表明：利用CFDR模型可以较好地拟合网络谣言传播的全过程,模型
的各参数对网络谣言的传播都有影响,其中,权威媒体的正向干预在网络谣言的传播过程中发挥着重要作用。【创
新/局限】创新性主要体现在：突破以往基于传染病动力学模型研究网络舆情和谣言传播的固有模式,借鉴药物扩
散原理建立了网络谣言 CFDR传播模型,并考虑了权威媒体干预因素和时滞性影响。局限性主要表现为：实例验
证中只使用了一个事件中一个平台的实际数据,未来可进一步丰富。 相似文献
18.
【目的/意义】目前LDA模型在文本数据挖掘方法中占有重要的地位,已成为数据挖掘领域的研究热点。
为了进一步提高LDA模型在文本挖掘中的应用效果,有必要对LDA模型文本主题提取效果进行对比研究。【方法/
过程】本文提出了一种基于LDA模型的不同类型文本数据主题提取效果对比评价方法,先通过LDA模型对文本数
据进行主题挖掘;再通过定量的主题提取效果评价方法进行对比研究。【结果/结论】本文以期刊论文、网络舆情事
件话题、微博文本、调查问卷为文本数据源,实验结果表明LDA模型在处理语义信息明确逻辑关系合理的长文本数
据时,主题提取效果较好。这为提高LDA模型的挖掘效率提供了一定的理论依据。 相似文献
19.
【目的/意义】近年来移动社交网络的高速发展推动了学术界对网络舆情的关注,网络谣言作为其中的重要 组成部分越来越受到监管部门的关注。本文通过建模仿真对谣言传播群体动态演化特征进行分析,以期为有关部 门有效应对和控制移动社交网络谣言提供借鉴。【方法/过程】本文以经典SIR模型为基础,加入移动社交网络用户 数量等影响因子进行优化,并结合传播动力学理论构建了移动社交网络谣言传播的参与群体动态演化模型,最后 使用MATLAB等软件实现模型和数值仿真。【结果/结论】实验结果显示：谣言在前期发展阶段的传播速度最快,杀 伤力也最大;移动社交网络环境对谣言传播有促进作用;网络容量越大,谣言传播的范围越大;本文模型通过仿真 验算,证明可以用于对移动社交网络环境下的谣言传播进行仿真。 相似文献
20.
【目的/意义】本文旨在分析用户信任对网络谣言生成与传播的影响。研究结论有助于从用户视角出发更
好地治理网络谣言,为当前网络谣言问题研究提供新的思路。【方法/过程】本文通过对心理学、新闻传播学、图书情
报学以及计算机科学相关文献的梳理,指出了基于用户信任视角去探讨网络谣言的特征与预测的理论基础以及技
术可行性。研究从用户信任视角分析了网络谣言的特征,设计了网络谣言预测模型,并提出了网络谣言预测模型
应用的建议。【结果/结论】研究发现,用户信任是影响网络谣言生成、传播、识别与治理的关键因素,用户信任视角
的引入,能从网络谣言生成与传播阶段对其进行预测与有效治理。 相似文献