利用用户社交网络嵌入进行 Twitter 假新闻检测

社交网络（SNs）对许多人而言日益成为重要的新闻来源。用户建立的在线连接使信息比传统新闻媒体（如报纸、电视）更易传播。然而，它们也使假新闻比传统媒体更易扩散，尤其是通过用户的社交网络连接。本文重点研究 Twitter 上的 SNs 用户连接结构是否有助于假新闻检测。具体而言，我们提出基于用户在 Twitter 平台上的关注者或好友网络对用户进行嵌入，以识别用户所形成的群体。事实上，通过对 Twitter 用户社交网络连接图应用无监督图嵌入方法，我们观察到参与假新闻的用户比仅参与事实新闻的用户聚类更紧密。因此，我们假设嵌入的用户网络可有效辅助假新闻检测。通过使用公开可用 Twitter 数据集的大量实验，我们的结果表明，利用用户连接作为网络信息在 SNs 上应用图嵌入方法，确实比大多数基于语言的方法更有效地分类假新闻。具体而言，我们观察到相较于仅使用文本信息（即 TF.IDF 或 BERT 语言模型），以及相较于同时部署高级文本特征（即立场检测）与复杂网络特征（如用户网络、发布者交叉引用）的模型，均有显著提升。我们得出结论：在 Twitter 假新闻分类中，Twitter 用户的好友与关注者网络信息可显著优于基于语言的方法，以及使用更复杂网络结构的现有最先进假新闻检测模型。