LAMBRETTA：面向推特软审核的学习排序系统
密码学与安全
2022-12-13 v1 计算机与社会
社会与信息网络
摘要
为遏制虚假信息问题，诸如推特（Twitter）等社交媒体平台开始对讨论已被辟谣叙事的内容添加警示标签，旨在为其受众提供更多背景信息。遗憾的是，这些标签并未被统一应用，且大量虚假内容未被审核。本文提出 LAMBRETTA，一个利用学习排序（Learning To Rank, LTR）自动识别适于软审核推文的系统。我们在推特数据上运行 LAMBRETTA 以审核与 2020 年美国大选相关的虚假声明，发现其标注的推文数量超过推特的 20 倍，且假阳性仅 3.93%、假阴性 18.81%，优于基于关键词提取与语义搜索的替代性当前最优（state-of-the-art, SOTA）方法。总体而言，LAMBRETTA 协助人工审核员识别并标注社交媒体上的虚假信息。
引用
@article{arxiv.2212.05926,
title = {LAMBRETTA: Learning to Rank for Twitter Soft Moderation},
author = {Pujan Paudel and Jeremy Blackburn and Emiliano De Cristofaro and Savvas Zannettou and Gianluca Stringhini},
journal= {arXiv preprint arXiv:2212.05926},
year = {2022}
}
备注
44th IEEE Symposium on Security & Privacy (S&P 2023)