自动识别热门 Twitter 讨论串中的假新闻
社会与信息网络
2018-06-01 v2
摘要
社交媒体中的信息质量是一个日益重要的问题，但网络规模的数据阻碍了专家评估和纠正这些平台中大量不准确内容或“假新闻”的能力。本文开发了一种在 Twitter 上自动化假新闻检测的方法，通过学习预测两个以可信度为中心的 Twitter 数据集中的准确性评估：CREDBANK，一个关于 Twitter 中事件准确性评估的众包数据集，以及 PHEME，一个包含 Twitter 中潜在谣言及其准确性新闻评估的数据集。我们将该方法应用于源自 BuzzFeed 假新闻数据集的 Twitter 内容，并显示基于众包工人训练的模型优于基于记者评估的模型以及基于众包工人和记者混合数据集训练的模型。所有三个数据集均以统一格式对齐，并且公开可用。随后的特征分析识别了对于众包和新闻准确性评估最具预测性的特征，其结果与此前工作一致。最后我们讨论准确性与可信度的对比，以及为何非专家模型在 Twitter 假新闻检测中优于记者模型。
引用
@article{arxiv.1705.01613,
title = {Automatically Identifying Fake News in Popular Twitter Threads},
author = {Cody Buntain and Jennifer Golbeck},
journal= {arXiv preprint arXiv:1705.01613},
year = {2018}
}