结合机器学习与知识工程检测社交网络假新闻——综述

由于假新闻在社交与新闻媒体的广泛传播，其已成为当下兴起并受到关注的研究课题。在新闻与社交媒体中，信息以高速传播但缺乏准确性，因此检测机制应足够快速地预测新闻以遏制假新闻的扩散。它对个人与社会具有潜在的负面影响。因此，检测社交媒体上的假新闻十分重要，且也是当前技术上具有挑战性的问题。我们已知机器学习有助于基于隐性知识构建人工智能系统，因其可借助真实世界数据解决复杂问题。另一方面，我们已知知识工程有助于表示专家所知晓的知识。由此我们提出，机器学习与知识工程的结合有助于假新闻检测。本文中我们介绍了何为假新闻、假新闻的重要性、假新闻对不同领域的整体影响、检测社交媒体假新闻的不同方式、可帮助克服该问题的现有检测算法、相似应用领域，最后我们提出了数据驱动与工程化知识相结合以应对假新闻。我们研究并比较了文本分类器、立场检测应用与事实核查三类不同模块中有助于检测假新闻的现有技术。此外，我们调查了假新闻对社会的影响。对公开可用数据集及我们所提假新闻检测组合的实验评估可在检测假新闻中提供更好表现。