利用AFW-BPNN模型实现微博真伪信息识别

作者：冯楠; 曹弘毅; 李妮

来源：西安工业大学学报, 2023, 43(06): 605-613.

DOI：10.16185/j.jxatu.edu.cn.2023.06.402

• 信息识别
• 多元特征
• 自适应特征权重
• BPNN模型

为更好地识别微博信息内容的真伪，提出了一种基于自适应特征权重(Adaptive Feature Weight, AFW)的反向传播神经网络(Backpropagation Neural Network, BPNN)多元特征信息识别模型，用于准确判断微博信息的真伪。该模型综合考虑了微博信息的文本特征、用户特征和传播特征，选取了文字长度、复制比等11个指标用于识别信息真假。利用自适应特征权重的方法将不同特征进行融合，以提高特征融合的效果。利用融合后的特征进行BPNN神经网络建模。实验结果表明，自适应特征权重—BPNN模型对微博信息真伪的识别率可达94.5%,具有良好的真伪信息识别效果。该研究可监控并及时发现虚假信息的传播，以提高应对突发事件的能力。

• 单位
  西安医学院