倾听其所言: 利用用户反馈更好地理解与检测在线错误信息
社会与信息网络
2023-05-09 v1 计算机与社会
机器学习
摘要
举报内容的社交媒体用户是在线错误信息管理中的关键盟友,然而迄今尚无研究理解其作用及其举报活动背后的不同趋势。我们提出一种研究错误信息的原创方法:从举报用户的视角在内容层面并跨地区和平台进行比较考察。我们提出了首个被举报内容片段的分类,源于对2020年6月法国、英国和美国Facebook和Instagram上约9,000条被举报项目的审阅。这使我们观察到各国和各平台间举报内容在数量、类型、主题和操纵手法上的显著差异。考察其中六种手法,我们识别出一种新颖的、特定于Instagram美国且明显比其他手法更复杂的技术,可能对算法检测和人工审核构成具体挑战。我们还识别出四种举报行为,并从中推导出四类噪声,能够解释被作为错误信息举报的内容中发现的半数不准确性。我们最后表明,将用户举报信号分解为多种行为,允许在小数据集上结合基础用户举报训练一个简单但具竞争力的分类器,以分类不同类型的被举报内容片段。
引用
@article{arxiv.2210.17166,
title = {Listen to what they say: Better understand and detect online misinformation with user feedback},
author = {Hubert Etienne and Onur Çelebi},
journal= {arXiv preprint arXiv:2210.17166},
year = {2023}
}