基于RNN的社交网络谣言预测技术研究

随着科技的迅速发展与经济实力的卓越进步，大数据时代在悄然无息中走进我们的生活，随之而来的是互联网的进步与信息获取的便利，但是，谣言也逐渐地在社交平台上泛滥，严重影响了网络生态环境的健康发展，使得人们难以在种类纷繁的、质量参差不齐的信息中辨别出可靠的信息，大大降低了人们获取信息的质量。本文借助RNN与CNN结合的方法实施谣言预测，即通过CNN将谣言信息向量化，并输入RNN模型进行谣言的预测。根据给定的数据进行高效的训练，从而达到及时地、有效地甄别谣言的目的。

随着Web 2.0 与移动互联网的发展和全球综合实力的卓越进步，网络社交越来越成为人们学习、工作和生活中不可分割的一部分。人们在移动互联网平台中不仅仅成为了信息的接受者，也成为了内容的创造者。例如百度贴吧、新浪微博、知乎、YouTube、Twitter、Flick 等。人们在这些平台上进行交流、对话和参与的时候，虽然这大大加快了人与人之间的信息交流和沟通，但是不容忽视的是，这些移动互联网平台在给人们提供信息交流和便利互动的同时，也大大降低了谣言传播的成本，因此，这些平台也日渐地成为了在众多谣言传播途径中最合适的场所，而这些谣言往往相当的真实，比如日本核电站事故引发的用盐的恐慌事件、各种冒充公安机关发布的文件等等，或者是近期，在新冠肺炎疫情防控的关键时期，在全国人民都为疫情付出心血之时，网上出现了各种有关新冠肺炎疫情防控的谣言，造成了社会上错误的认知。这类事件不仅扰乱了市场的正常秩序，而且还造成了群众的焦虑，甚至还导致了各地的恐慌现象，影响可谓是十分恶劣的。

谣言的泛滥，导致网络生态环境的健康发展受到了严重影响，这使得人们难以在数量庞大的、样式五花八门的信息中进行分辨并获取到可靠的、有用的信息，以至于人们鉴别、获取真实信息的可能性大大降低。在面对突发事件的时候，例如一些涉及到社会安全的事件、卫生安全的事故，重大自然的灾害等，人们总是抱有质疑的态度去看待这类事件并从各自的、类似于社交平台这类的渠道去获取并传播貌似真实或虚假的信息。这样，虽然网络社交媒体的便捷带给了人们无穷的好处，但这也将给谣言的传播提供了无穷的平台，从而大大增加了谣言传播的深度和速度，然后极易造成社会的慌乱和暴躁的情绪， 扰乱社会的秩序，而往往这些负面影响是致命的。因此，谣言检测不单单是为了还给人们一个良好的、健康的网络环境，也要能够迅速帮助群众去分辨可靠的、有价值的信息。也正因为如此，在谣言检测这个问题上己经有较多的研究人员提出了各种算法，最常见的算法就是基于内容检测的谣言预测方法，并且取得一定的效果。例如，Castillo 等[1]提出了基于各种特征来预测信息可信度的预测，包括基于信息内容、基于用户特征、基于传播特征、基于话题等。Qazvinian 等[2]则分别基于内容文本、网络拓扑结构和微博特有的特征来识别谣言。然而，对于谣言预测而言，辨别某项信息是否是谣言固然重要，但能够及时地从移动互联网社交平台中发现谣言从而能够禁止其流传，然后避免可能带来的不良影响更为重要， 这便是谣言源检测的目的。

因此， 谣言源的检测和监控相当重要， 能够有效地控制谣言的传播更为重要。