《表1 学生表：基于潜在话题的微博谣言在线检测》
提示：宽带有限、当前游客访问压缩模式
本文所使用的数据集来自马静公开的数据集。该数据集时马静从微博官方辟谣平台新浪社区管理中心爬取得到，该数据集有2315条非谣言，2313条谣言。该数据集详细情况如表1。
| 图表编号 | XD00211048100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.05 |
| 作者 | 王浩、高玉君、刘孙俊 |
| 绘制单位 | 成都信息工程大学软件工程学院、四川大学网络空间安全学院、成都信息工程大学软件工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 部分观点情感特征：基于情感分析的微博热点话题用户群体划分模型》2021.02.25
- 《表1 部分特征词及词频：基于情感分析的微博热点话题用户群体划分模型》2021.02.25
- 《表1 教师情感支持指标：基于知识图谱与目标检测的微博交通事件识别》2020.12.25
- 《表3 平衡性检验：基于潜在话题的微博谣言在线检测》2020.10.05
- 《表1 以月为单位的微博谣言关注度时序ADF检验》2020.03.15
- 《表3 算法聚类结果：融合词向量与关键词提取的微博话题发现》2020.08.15
- 《表2 聚类算法比较：融合词向量与关键词提取的微博话题发现》2020.08.15
- 《表1 微博数据：融合词向量与关键词提取的微博话题发现》2020.08.15
- 《表1 微博主题热门标签：一种基于标签融合的微博主题生成方法》2020.06.01
- 《表4 不同方法比较：基于多元特征的微博被劫持账户检测》2020.04.24
- 《表1 判定矩阵：基于用户扩展兴趣的微博推荐方法》2019.06.01
- 《表1 实验数据集：基于双向量模型的自适应微博话题追踪方法》2019.06.01
- 《表1 微博谣言主题类别：基于词嵌入的微博谣言主题分类研究》2019.04.15
- 《表1 实验微博数据组成：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表4 模型-特征变量：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表5 模型最优参数：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表2 实验数据变量：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表3 主题词分布：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表6 模型评估：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表1：微博舆论倾向分布：基于大数据视角的微博舆情演化分析》2019.12.01