CleanNews：面向社交媒体的网络感知虚假新闻缓解架构
社会与信息网络
2025-09-08 v1
摘要
随着互联网和手持设备的广泛使用，社交媒体现在拥有与传统报纸相似的权力。人们利用社交媒体平台获取快速且易得的信息。然而，这种便利性也伴随着各种风险。任何人都可以自由发布内容，无论真假，且这些内容有可能永远留存于网络。这使得识别和处理在线平台上的错误信息与虚假信息变得至关重要。在本文中，我们提出了 CleanNews，一种用于实时准确识别虚假新闻的综合架构。CleanNews 使用先进的深度学习架构，结合卷积神经网络与双向循环神经网络（即 LSTM 和 GRU）层来检测虚假新闻。我们工作的一个关键贡献是一种新颖的嵌入技术，该技术将文本信息与用户网络结构相融合，使模型能够联合学习与错误信息相关的语言线索和关系线索。此外，我们使用两种网络免疫算法（即 SparseShield 和 NetShield）来缓解网络内虚假信息的传播。我们进行了广泛的消融研究以评估每个模型组件的贡献，并系统地调整超参数以最大化性能。在两个真实世界数据集上的实验评估证明了 CleanNews 在对抗虚假新闻传播方面的有效性。
引用
@article{arxiv.2509.04489,
title = {CleanNews: a Network-aware Fake News Mitigation Architecture for Social Media},
author = {Maria-Diana Cotelin and Ciprian-Octavian Truică and Elena-Simona Apostol},
journal= {arXiv preprint arXiv:2509.04489},
year = {2025}
}