社交媒体中 COVID-19 健康相关错误信息的检测案例研究
社会与信息网络
2021-06-15 v1 计算与语言
机器学习
摘要
COVID-19 大流行产生了公共卫生官员所称的错误信息信息疫情（infodemic）。随着社交距离和居家令生效，许多人转向社交媒体进行社交。社交媒体使用量的增加使其成为错误信息传播的主要载体。本文提出一种遵循跨学科方法检测社交媒体中 COVID-19 健康相关错误信息的机制。以社会心理学为基础和现有错误信息框架，我们定义了错误信息主题和相关关键词，并使用应用机器学习技术将其纳入错误信息检测机制。接下来，利用 Twitter 数据集，我们使用多种最先进的机器学习分类器探讨了所提方法的性能。我们的方法显示出有前景的结果，在使用基于一元文法（uni-gram）的 NLP 特征从推文生成特征以及决策树分类器时，对健康相关错误信息与真实信息进行分类的准确率最高达 78%。我们还提供了应对错误信息的替代方案建议以及该研究的伦理考量。
引用
@article{arxiv.2106.06811,
title = {Case Study on Detecting COVID-19 Health-Related Misinformation in Social Media},
author = {Mir Mehedi A. Pritom and Rosana Montanez Rodriguez and Asad Ali Khan and Sebastian A. Nugroho and Esra'a Alrashydah and Beatrice N. Ruiz and Anthony Rios},
journal= {arXiv preprint arXiv:2106.06811},
year = {2021}
}
备注
10 pages