基于集成方法预测COVID-19疫情期间多网络平台扩散误导信息的自动化投票框架
信息检索
2021-09-28 v1
摘要
社交网络平台上误导信息的传播加剧了公众对冠病的巨大恐慌与困惑,其检测至关重要。为此,本文开发了一个自动化系统,可从多网络平台采集并验证事实以判定内容可信度。为识别所发布声明的可信度,首先从各类网络平台收集新闻信息的疑似实例/线索(标题)。随后提取关键特征集,输入基于集成的机器学习模型,将新闻分类为误导或真实。基于内容、语言/语义线索、相似度与情感的四组特征从网络平台及投票中获取,用于验证新闻。最终,组合投票决定对特定声明的支持。除验证部分外,还设计了独特源平台,基于特定查询/词从三个网络平台(Twitter、Facebook、Google)采集数据/事实。该独特平台亦可助研究者构建数据集并从各网络平台获取有用/高效线索。结果表明,所提智能策略效果良好,在预测误导信息方面颇为有效。该工作为政策制定者与医疗从业者提供了实际启示,有助于在大流行期间保护世界免受误导信息扩散之害。
引用
@article{arxiv.2109.13063,
title = {An Automated Multi-Web Platform Voting Framework to Predict Misleading Information Proliferated during COVID-19 Outbreak using Ensemble Method},
author = {Deepika Varshney and Dinesh Kumar Vishwakarma},
journal= {arXiv preprint arXiv:2109.13063},
year = {2021}
}
备注
22 pages, 06 figures