从社交媒体的转推动态中检测虚假谣言
社会与信息网络
2022-04-05 v2 应用统计
摘要
众所周知，虚假谣言会对社会产生不利影响。为了防止虚假谣言的传播，Twitter 等社交媒体平台必须及早发现它们。在这项工作中，我们开发了一种新颖的概率混合模型，该模型基于潜在的传播过程对真实与虚假谣言进行分类。具体而言，我们的模型首次形式化了真实与虚假转推过程的自激特性。这产生了一种新颖的混合标记 Hawkes 模型（MMHM）。因此，我们的模型免除了特征工程的需要；相反，它直接对传播过程进行建模，以推断在线谣言是否错误。我们的评估基于 Twitter 上真实与虚假谣言的 13,650 个转推级联。我们的模型以 64.97% 的平衡准确率和 69.46% 的 AUC 识别虚假谣言。它以相当大的优势优于 SOTA 基线（包括神经模型和特征工程模型），同时具有完全的可解释性。我们的工作对从业者有直接的启示意义：它利用传播过程作为隐含的质量信号，并基于此检测虚假内容。
引用
@article{arxiv.2201.13103,
title = {Detecting False Rumors from Retweet Dynamics on Social Media},
author = {Christof Naumzik and Stefan Feuerriegel},
journal= {arXiv preprint arXiv:2201.13103},
year = {2022}
}
备注
Accepted at The Web Conference (WWW 2022)