基于图特征与机器学习算法的假新闻识别
社会与信息网络
2022-08-24 v1 计算机与社会
摘要
假新闻的传播长期以来一直是一个社会问题，且由于其危害已被充分认识，识别假新闻的必要性日益凸显。除了引发公众不安外，它还会带来更具破坏性的后果。例如，在疫情期间，未经核实的医疗指示可能导致死亡。本研究旨在利用图与机器学习算法构建假新闻识别模型。研究未扫描新闻内容或用户信息，而是明确聚焦于传播网络（展示人际互联）以及特征向量中心性、Jaccard 系数和最短路径等图特征。从图中提取了 14 个特征，并在 13 个机器学习模型中进行了测试。在分析这些特征并比较机器学习模型的测试结果后，结果表明倾向性与中心性对分类贡献显著。使用改进的树分类器与支持向量分类器，最佳模型在 Twitter15 与 Twitter16 数据集上分别达到 0.9913 与 0.9987。该模型能有效预测假新闻，防止其引发的潜在负面社会影响，并为机器学习模型的图特征选择提供新视角。
引用
@article{arxiv.2208.10641,
title = {Fake News Identification using Machine Learning Algorithms Based on Graph Features},
author = {Yuxuan Tian},
journal= {arXiv preprint arXiv:2208.10641},
year = {2022}
}
备注
7 pages