利用海量流数据在延迟保证下检测谣言
社会与信息网络
2022-05-16 v1 机器学习
摘要
当今社交网络持续产生海量数据流，为谣言一开始传播便进行检测提供了宝贵的起点。然而，鉴于社交网络所产生的高速度流式数据体量巨大，谣言检测面临紧迫的延迟界限，现有算法无法满足。因此，本文主张采用尽力而为的谣言检测，即快速检测大多数谣言，而非以高延迟检测全部谣言。为此，我们将高效的基于图的谣言模式匹配技术与有效的负载丢弃相结合，在丢弃部分输入数据的同时使精度损失最小。基于大规模真实数据集的实验表明了该方法在不同流条件下的运行时性能与检测精度方面的鲁棒性。
引用
@article{arxiv.2205.06580,
title = {Detecting Rumours with Latency Guarantees using Massive Streaming Data},
author = {Thanh Tam Nguyen and Thanh Trung Huynh and Hongzhi Yin and Matthias Weidlich and Thanh Thi Nguyen and Thai Son Mai and Quoc Viet Hung Nguyen},
journal= {arXiv preprint arXiv:2205.06580},
year = {2022}
}