基于社会背景信息的多任务谣言检测方法
王梦园
摘要：随着互联网的迅猛发展，社交媒体如微信、Twitter等呈现出飞速增长的趋势
。一些居心叵测的人利用社交媒体平台制造并传播谣言，对个人、国家和社会产生
了负面影响。因此，研究自动化的谣言检测方法具有重要价值。现有研究发现，在
谣言检测过程中，不仅可以利用谣言及其相关推文的文本内容，还可将谣言传播过
程中产生的一系列社会背景信息(如用户信息、转发次数和点赞数等)作为识别谣言
的依据。与此同时，为克服数据量不足对模型性能的影响，多任务学习应运而生。
多任务学习旨在通过对共享参数进行训练，实现任务间的信息交互，从而提高各任
务的性能。在多任务学习和相关社会背景信息研究的启示下，将基于文本内容的谣
言检测任务和基于社会背景信息的谣言检测任务相结合，构建了一种基于社会背景
信息的多任务谣言检测模型，以期提升谣言检测效果。此外，还探讨了如何利用多
任务学习技术优化谣言检测模型，以及如何从社会背景信息中提取更有价值的特征
来提高模型的准确性。
关键词：    谣言检测;社会背景信息;多任务学习;



基于图像放缩增强网络的图像分类方法
冯继凡，杨清，石昌鑫
摘要：随着人工智能的快速发展，基于深度神经网络的图像分类任务性能得到了巨
大提升，在图像检索、智能安防和自动驾驶等领域具有重要的应用价值。但目前图
像分类网络的性能通常会受到输入图像大小的限制，相比于输入较小的图像，增大
输入图像大小可以保留更多的细节信息，保证网络可以提取到更丰富的特征，从而
提高分类准确性，但其也会降低网络的推理速度。目前的深度学习算法通常用线性
插值的方式调整图像分辨率至固定大小，这种方式往往会限制网络的性能。针对上
述图像输入大小和插值方式对分类准确率的影响问题，提出了一种基于图像放缩网
络的图像分类方法，以轻量化网络架构EfficientNet为基准分类网络，引入混合空
洞卷积增大特征的感受野，并设计了一种图像放缩增强网络模块对输入图片进行压
缩增强，在少量增加网络参数量的情况下，丰富输入图像包含的信息，提升分类网
络的分类性能。多组实验证明，所提出方法对图像分类准确率有着显著的提高。
关键词：    图像分类;混合空洞卷积;感受野;EfficientNet;图像放缩增强;



数据库实训平台信息隐私加密方法设计
付思思
摘要：常规的隐私加密方法未能充分考虑密文长度的限制，容易导致加密结果超出
预期范围，增加了信息泄露的风险，对数据机密性和完整性造成潜在威胁。为此，
提出一种数据库实训平台信息隐私加密方法。根据数据库实训平台中的数据信息格
式，将数据维度处理成为一维向量的形式，利用Logistic映射分类集成平台中的隐
私数据信息。使用近似同态比较分析计算隐私信息密文长度区间阈值，约束密文长
度在合理范围内。在区间阈值约束下为集成的信息添加相应的密文，确保在加密过
程中对密文长度进行有效限制，实现信息隐私加密。经过实验可知，依据所提出方
法能够有效分类集成数据，密钥未超过区间阈值，得出的隐私加密结果Lyapunov指
数较大，加密后的信息安全性较优，满足了数据库实训平台信息的安全保障需求。
关键词：    数据库;实训平台;信息加密;隐私加密;加密方法;



信息技术与信息化. 2024(05)