Dac-Fake：一种用于社交媒体假新闻检测的分治框架
社会与信息网络
2025-08-25 v1 机器学习
摘要
随着技术和互联网的快速发展，社交媒体上假新闻的泛滥已成为一个关键问题，导致广泛传播的错误信息可能造成社会危害。传统的事实核查方法往往过于缓慢，无法阻止虚假信息的传播。因此，快速、自动化的假新闻检测至关重要。我们提出了 DaCFake，一种采用分治策略的新型假新闻检测模型，结合了基于内容和基于上下文的特征。我们的方法从新闻文章中提取超过八十种语言特征，并将其与连续词袋模型或 SkipGram 模型集成，以提升检测准确率。我们在 Kaggle、McIntire + PolitiFact 和 Reuters 三个数据集上评估了 DaCFake 的性能，分别取得了 97.88%、96.05% 和 97.32% 的优异准确率。此外，我们采用了十折交叉验证以进一步增强模型的鲁棒性和准确率。这些结果凸显了 DaCFake 在假新闻早期检测中的有效性，为遏制社交媒体平台上的错误信息提供了有前景的解决方案。
引用
@article{arxiv.2508.16223,
title = {Dac-Fake: A Divide and Conquer Framework for Detecting Fake News on Social Media},
author = {Mayank Kumar Jain and Dinesh Gopalani and Yogesh Kumar Meena and Nishant Jain},
journal= {arXiv preprint arXiv:2508.16223},
year = {2025}
}