FR-Detect：利用发布者特征在社交媒体上进行早期假新闻检测的多模态框架
社会与信息网络
2021-09-13 v1 计算与语言
机器学习
摘要
近年来，随着互联网的扩张和极具吸引力的社交媒体基础设施，人们更喜欢通过这些媒体关注新闻。尽管这些媒体在新闻领域有许多优势，但缺乏任何控制和验证机制导致了假新闻的传播，这已成为对民主、经济、新闻业和言论自由的最重要威胁之一。设计和使用自动化方法来检测社交媒体上的假新闻已成为一个重大挑战。在本文中，我们探讨了发布者在检测社交媒体假新闻中的作用。我们还提出了一个高精度的多模态框架，即 FR-Detect，利用用户相关和内容相关特征实现早期检测能力。为此，为发布者引入了两个新的用户相关特征，即活动可信度和影响力。此外，提供了一个句子级卷积神经网络，以将这些特征与潜在文本内容特征进行适当结合。实验结果表明，发布者特征可以在准确率和 F1 分数上分别将基于内容的模型性能提高 13% 和 29%。
引用
@article{arxiv.2109.04835,
title = {FR-Detect: A Multi-Modal Framework for Early Fake News Detection on Social Media Using Publishers Features},
author = {Ali Jarrahi and Leila Safari},
journal= {arXiv preprint arXiv:2109.04835},
year = {2021}
}