多因素融合下的微博话题可信度评估模型及实证研究

In the project, we will investigate and propose quantitative credibility model of microblog topic. In the first phase,we plan to analyze which factors will have impact on the credibility evaluation of microblog topic. For phase two, an extended LDA model, in which the posting relationsip between microblog is fully utlized, will be proposed in order to extract topics from microblog more accurately. In phrase three, we will investigate how to quantitatively calculate the credibility of microblog at topic granularity. Microblog credibility calculation will take the following factors into account:1)the credibility of microblog user;2)the relevance of microblog and microblog user;3) the relevance of microblog and extracted topic. At meanwhile, we will utilize neural network to model the relevance of these factors. The edges in the neural network are weighted by the relevance of these factors. Finally, the output of neural network are used as the credibility value of extracted topics. The credibility model of microblog can be evaluated by Sina microblog dataset.The project will have significantly theoretical contributions for effectively mining microblog data and evaluating the quality of microblog. The project will also have broader impacts on realistic applications.

本项目研究并建立微博话题可信度量化评估模型。首先从理论上研究影响微博话题可信度评估的因素；然后分析微博之间的跟帖关系，并建立扩展的LDA话题模型进行微博话题抽取；最后以话题为粒度对微博可信度进行定量计算。计算微博可信度考虑以下三个因素：1）微博用户的可信度；2）微博和话题之间的关系；3）微博用户和微博之间关系。通过建立包含微博用户、微博、话题这三层的神经网络，并利用这三个因素计算神经网络每条边的权重，神经网络的输出值即为话题的可信度值。模型的有效性利用新浪微博数据进行验证。本项目的研究对于如何有效地挖掘微博数据、如何评估微博质量有着重要的理论意义，也具有广泛的应用前景。

信息质量一直是信息和图书情报领域关注的热点及前沿领域，如何评估多源信息的质量及可信度是本项目研究的重点。本课题以科研学术实体信息和社会媒体微博信息作为研究对象，重点围绕“国内外信息可信度评估研究进展”、“科研学术实体信息主题提取可信评估以及检索可视化”、“多维融合下微博信息可信度评估的影响因素”、“社会媒体微博信息摘要生成、话题演化及可信度评估”展开系统深入全面的研究。在科研学术实体信息方面，本课题利用文献、作者、机构等三类实体间的引用、合著、合作等关系建立异构网络模型，在此基础上提出了混合随机游走算法Co-AcademicRank定量计算文献、作者、机构的权威度，并基于MapReduce实现了分布式的Co-AcademicRank算法。最后通过对情报学和图书馆学数据集测试与分析，对比分析了PageRank和Co-ranking算法，验证了本模型的有效性、准确性和优越性。同时，实验比较了算法在单机环境下和Hadoop平台下的运行时间，证明了分布式算法的高效性和稳定性。同时，针对科技文献主题多样、动态性强等特点，分析科技文献主题发现及演化具体方法，基于层次概率主题模型hLDA，采用Gibbs抽样来进行模型参数估计，并运用互信息的方法对主题词进行筛选，以提取高质量的主题词。最后，利用先／后离散分析方法研究主题随时间的演化问题。实验结果验证了主题发现及演化方法的可行性及有效性。在社会媒体微博信息方面，本课题以新浪微博数据为实验语料，研究了中文微博摘录式摘要方法；利用微博的转发以及评论关系对LDA模型进行了改进，提出了改进的话题模型CFLDA(Comment and Follow Latent Dirichlet Allocation,CFLDA )以更好地抽取微博蕴含的主题；建立了基于主题的微博用户关系图模型，在模型中用户关系强度除了考虑转发次数、评论次数等因素之外，还考虑了微博之间的主题相关性因素；利用主题的微博用户关系图模型和随机游走算法计算基于主题的用户可信度。此外，从微博内容、微博用户、社交网络及受众能力等四个维度对影响微博话题可信度的因素进行系统分析，并运用结构方程模型对所构建的理论模型及假设进行了实证研究。通过识别微博话题可信度评估的影响因素能为用户对虚假信息的判别和舆论引导提供借鉴与参考。