贬低来源：用于混淆网络上假新闻的可信度指标
信息检索
2018-09-05 v1 人工智能
计算与语言
机器学习
摘要
随着互联网的发展，在线假新闻的数量逐年激增。此类现象的后果是多方面的，从糟糕的决策过程到欺凌与暴力事件不一而足。因此，事实核查算法成为宝贵资产。为此，检测假新闻的重要一步是获取给定信息源的可信度评分。然而，大多数广泛使用的 Web 指标要么已对公众关闭（如 Google PageRank），要么非免费使用（Alexa Rank）。现有数据库多为在线来源的简短人工策展列表，无法扩展。最后，该主题多数研究基于理论或在受限仿真环境中探索机密数据。本文探讨当前研究，突出挑战并提出解决方案以应对将网站分类至可信度尺度的问题。所提模型自动提取来源声誉线索并计算可信度因子，提供有价值的洞察，有助于贬低可疑并确认未知的可信网站。实验结果在二分类与五分类设定下均优于 SOTA。
引用
@article{arxiv.1809.00494,
title = {Belittling the Source: Trustworthiness Indicators to Obfuscate Fake News on the Web},
author = {Diego Esteves and Aniketh Janardhan Reddy and Piyush Chawla and Jens Lehmann},
journal= {arXiv preprint arXiv:1809.00494},
year = {2018}
}