CSI：一种用于假新闻检测的混合深度模型
机器学习
2017-09-05 v4 社会与信息网络
摘要
假新闻话题已引起公众和学术界的关注。此类错误信息有可能影响舆论，为恶意方操纵选举等公共事件结果提供机会。由于涉及如此高的风险，自动检测假新闻是一个重要但具挑战性且尚未被充分理解的问题。然而，假新闻有三个普遍认同的特征：文章文本、收到的用户响应以及推广它的源用户。现有工作主要集中于针对某一特定特征定制解决方案，这限制了其成功和泛化能力。本工作中，我们提出一种结合全部三个特征以实现更准确和自动化预测的模型。具体而言，我们纳入用户与文章双方的行为，以及传播假新闻的用户群体行为。受这三个特征启发，我们提出称为CSI的模型，其由三个模块组成：捕获（Capture）、评分（Score）与集成（Integrate）。第一模块基于响应和文本；它使用循环神经网络（Recurrent Neural Network）捕获给定文章上用户活动的时间模式。第二模块基于用户行为学习源特征，两者与第三模块集成以将文章分类为假或否。在真实数据上的实验分析表明，CSI比现有模型取得更高准确率，并提取出用户和文章的有意义潜在表示。
引用
@article{arxiv.1703.06959,
title = {CSI: A Hybrid Deep Model for Fake News Detection},
author = {Natali Ruchansky and Sungyong Seo and Yan Liu},
journal= {arXiv preprint arXiv:1703.06959},
year = {2017}
}
备注
In Proceedings of the 26th ACM International Conference on Information and Knowledge Management (CIKM) 2017