判定 Twitter 上谣言的真实性

尽管社交网络可为全球个人提供即时信息的理想平台，但它也被证明是谣言滋生以及意外或蓄意错误信息频现之地。本文旨在支持从社交媒体数据中获取洞察的任务，具体寻求构建一个自动消息分类器，从 Twitter 中筛选相关且可信的信息。我们的工作收集了约 1 亿条公开推文（包括用户的历史推文），从中识别出 72 条谣言（41 条真、31 条假）。我们考量了超过 80 种可信度度量，包括作者的档案与过往行为、社交网络连接（图）以及推文本身的内容。我们在这些度量上运行现代机器学习分类器，以在谣言爆发后的不同时间窗口产生可信度分数。此类时间窗口至关重要，因其可深入洞察谣言的演进过程。我们的研究发现，模型准确度显著优于文献中类似研究。我们还识别出导致所赋可信度分数的数据关键属性。最后，我们开发了一个软件演示，提供可视化用户界面以供用户检视分析。