假新闻检测与行为分析：以COVID-19为例

尽管全球抗击COVID-19已逾三年，由疫情相关假新闻传播引发的持续“信息疫情”也已成为全球性问题。假新闻的存在影响我们日常生活的不同方面，包括政治、公共卫生、经济活动等。读者可能将假新闻误认为真新闻，从而更少获取真实信息。这一现象可能导致民众困惑与社会冲突。当前假新闻研究面临重大挑战。准确识别社交媒体帖子中的假新闻数据颇具难度。由于假新闻数据量庞大，人工及时识别不可行。此外，假新闻中讨论的话题因其与真新闻相似而难以辨识。本文旨在识别社交媒体上的假新闻以助遏制其传播。我们提出用于假新闻检测的深度学习方法与集成方法。我们的检测模型取得了高于既往研究的准确率。集成方法进一步提升了检测性能。我们发现了假新闻与真新闻条目间的特征差异。当将其加入句子嵌入时，我们发现它们影响了模型性能。我们应用混合方法构建用于从帖子中识别话题的模型。我们发现假新闻与真新闻中半数已识别话题重叠，这可能加剧公众的混淆。