实验室成员徐绪堪、李溢与李一铭在社交媒体信息可信度研究领域取得重要进展，其研究成果《融合传播路径和多模态特征的社交媒体信息可信度模型构建》成功被CSSCI期刊情报理论与实践录用。

    该研究聚焦于社交媒体时代背景下信息真实性识别的难点与挑战，旨在提升面对多模态、大规模数据时的信息可信度评估能力。团队基于SIP理论视角，创新性地提出了一种融合传播路径驱动的多模态特征融合方法，构建了社交媒体事件的可信度评估模型。

    研究过程中，团队综合运用了图神经网络、BERT模型与ResNet50模型，分别从传播结构、文本语义和图像内容三个层面提取关键信息，并引入注意力机制实现不同模态特征的深度融合。最终，构建出一套涵盖传播路径、内容特征与发布者特征的可信度量化评估框架。

    实验结果表明，相较于传统单一特征评估方法，该模型在评估准确率、召回率等关键指标上表现出显著优势，展现了良好的泛化能力与实用价值。该研究为社交媒体虚假信息识别提供了新的技术路径，也为后续在多模态语义融合与网络结构分析等方向的研究奠定了坚实基础。

    引用格式：[1]徐绪堪,李溢,李一铭.融合传播路径和多模态特征的社交媒体信息可信度模型构建[J/OL].情报理论与实践,1-12[2025-04-13].http://kns.cnki.net/kcms/detail/11.1762.g3.20241231.1712.005.html.