计算机应用研究

作者：徐桂琼,何思桦,李卫民,

单位：上海大学a.管理学院;b.计算机工程与科学学院,上海200444；

关键词：特征差异,动态传播网络,谣言检测,社交网络,

基金：国家社会科学基金资助项目(23BGL270)；；

当前谣言检测模型多基于静态信息构建，难以捕捉谣言动态传播特征，且忽视了原始帖子与评论在情感极性、主题语义等维度的特征差异及动态演变。为解决该问题，提出了融合动态传播网络与双重特征差异的社交网络谣言检测模型（DNDF），旨在借助多维度特征动态演化分析，提升谣言检测的效能。首先，模型通过双重特征差异模块，从情感极性和主题语义维度分析原始帖子与评论序列的特征变异规律；然后，结合传播图序列利用BiLSTM生成差异特征序列；最后，模型引入co-attention机制，强化文本特征与情感差异特征、主题差异特征间的交互学习。在公开数据集PHEME、WEIBO上的实验表明，DNDF的准确率提升了0.3%和2%，在F1等多个指标上优于主流基线模型，验证了其在社交网络谣言检测任务中的有效性。

来源：2025年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第10期