题 目

基于CNN-GRU复合网络模型的微博谣言识别研究

论文（设计）任务

1.数据处理：从微博等社交平台广泛收集谣言与非谣言数据，涵盖文本内容、发布时间、转发数量等信息。执行去除噪声、精确分词、去除停用词、词干提取等预处理操作，保证数据的准确性与一致性，注重数据的多样性和平衡性，构建高质量、多样化的数据集。

2.特征工程：深入分析微博谣言传播特性，构建包含文本、时间、传播等多维度特征体系。引入经统计分析和专家筛选的敏感词库特征，结合利用情感词典和机器学习算法得到的情感分析特征，捕捉谣言文本情感波动，提升识别精度和泛化能力。

3.模型构建与优化：采用深度神经网络，结合 GRU 和 CNN 优势。利用 CNN 对原始微博文本及转发评论信息提取深层特征，与敏感词库、情感分析特征一同输入 GRU 网络进行序列建模。通过调整网络结构、优化超参数、引入注意力机制等措施优化模型，提高识别准确率和泛化能力 。

4.融合策略探索：设计如特征拼接、特征加权和等多种融合方式，对敏感词库和情感分析特征进行融合。通过对比实验和消融实验，确定最佳融合策略，进一步提升模型识别效果。

5.实验验证与分析：设计全面实验方案，包括数据集划分、实验设置、结果评估等。利用微博数据集训练和测试模型，对比不同特征组合、模型结构的性能差异，确定最佳模型配置，在关键性能指标上实现显著提升。。

时间安排

2024年9月             开题答辩

2024年9月——2025年1月   爬取微博谣言，查阅相关文献，制作数据集

2025年1月——2025年3月   编写代码，构思整体框架，撰写论文

2025年3月             中期答辩

2025年3月——2025年5月   根据老师的意见完善，修改代码和论文

2025年5月                论文答辩

任务下达日期

年     月      日

指导教师：

学    生：

专业负责人意见

同意

专业负责人：

年    月     日

学院负责人意见

同意

学院负责人：

年    月     日