一种用于消息立场分类的半监督方法

社交媒体通信正变得日益普遍；其中一些有用，一些虚假——无论出于无意还是恶意。每日有大量谣言涌入社交网络。以自主方式判定其真实性是一个极为活跃且具挑战性的研究领域，已有多种方法被提出。然而，多数模型依赖于判定组成消息对谣言的立场，这一特征被称为“群体智慧”。尽管已有若干监督式机器学习方法用于解决消息立场分类问题，但它们存在诸多不足。本文中我们论证半监督学习优于监督模型，并使用两种基于图的方法加以证明。这不仅体现在分类准确率上，同样重要的是在速度与可扩展性方面。我们使用标签传播（Label Propagation）与标签扩散（Label Spreading）算法，并在从 Twitter 收集的 72 条谣言及数十万条消息的数据集上运行实验。我们在两个可用数据集上将结果与最先进水平进行比较，以展示我们的算法在准确率、速度及可扩展性方面面向实时应用的性能。