DeepTrust:一种衡量社交媒体用户可信度的深度学习方法
社会与信息网络
2021-01-20 v1
摘要
近年来,发布于微博平台数据的真实性已成为信息学各领域及社会学家深入研究的课题,尤其在在线新闻传播工具重要性日益增加的背景下。在 Twitter 及类似网站上,可以以最小延迟全球报道正在发生的状况,而此类报道的成本可忽略不计。该社交网络最重要的特性之一是内容分发可定制,使用户仅关注其感兴趣主题的新闻。鉴于此,有必要建立验证机制,以确认 Twitter 上的主张是否可信,并防止虚假内容过度传播。本研究展示了一种可满足上述角色的创新信息验证系统。该系统由四个相互连接的模块组成:遗留模块、可信度分类器、用户权威管理模块和排序流程。所有模块在集成框架内运行,共同促成对消息与作者的准确分类。该方案的有效性在 Twitter 用户样本上经实证评估,对每个模块均施加严格的 10 折评估流程。结果表明,该方案成功达成研究主要目标并按预期发挥作用。
引用
@article{arxiv.2101.07725,
title = {DeepTrust: A Deep Learning Approach for Measuring Social Media Users Trustworthiness},
author = {Majed Alrubaian and Muhammad Al-Qurishi and Sherif Omar and Mohamed A. Mostafa},
journal= {arXiv preprint arXiv:2101.07725},
year = {2021}
}
备注
18 pages,6 figures