FakeSwarm：利用群集特性改进假新闻检测
社会与信息网络
2023-11-01 v1 机器学习
摘要
假新闻的泛滥对社会构成严重威胁，因为它可能误导和操纵公众、侵蚀对机构的信任并破坏民主进程。为解决此问题，我们提出 FakeSwarm，一种利用假新闻群集特性的假新闻识别系统。为提取群集行为，我们提出假新闻群集特性的新概念，并设计三类群集特征，包括主成分分析、度量表示和位置编码。我们在公开数据集上评估我们的系统，证明了融入群集特征在假新闻识别中的有效性，结合全部三类群集特征取得了超过 97% 的 f1 分数和准确率。此外，我们基于假新闻涌现的时间分布模式假设设计了一个在线学习流程，在一个早期涌现假新闻且文本样本匮乏的话题上进行了验证，表明群集特征在此类情况下可显著提升召回率。我们的工作为假新闻检测提供了新视角和方法，并凸显了在假新闻检测中考虑群集特性的重要性。
引用
@article{arxiv.2305.19194,
title = {FakeSwarm: Improving Fake News Detection with Swarming Characteristics},
author = {Jun Wu and Xuesong Ye},
journal= {arXiv preprint arXiv:2305.19194},
year = {2023}
}
备注
9th International Conference on Data Mining and Applications (DMA 2023). Keywords: Fake News Detection, Metric Learning, Clustering, Dimensionality Reduction