MCWDST：一种用于社交媒体实时假新闻缓解的最小代价加权有向生成树算法
社会与信息网络
2024-01-22 v2 人工智能
计算与语言
神经与进化计算
摘要
互联网接入与手持设备的广泛普及赋予社交媒体类似昔日报纸所具有的影响力。人们在社交媒体上寻求廉价信息，并能在数秒内获取。然而此便利伴随危险：任何用户皆可自由发布其所愿内容，且无论真伪，内容可长期在线。由此产生检测不实信息（即假新闻）的需求。本文中，我们提出一种端到端方案，可准确检测假新闻并实时免疫传播它们的网络节点。为检测假新闻，我们提出两种利用卷积与双向 LSTM 层的新型堆叠深度学习架构。为缓解假新闻传播，我们提出一种实时网络感知策略，其（1）为检测到的节点构建最小代价加权有向生成树，（2）通过使用新颖排序函数对其危害性评分来免疫该树中节点。我们在五个真实世界数据集上证明了方案的有效性。
引用
@article{arxiv.2302.12190,
title = {MCWDST: a Minimum-Cost Weighted Directed Spanning Tree Algorithm for Real-Time Fake News Mitigation in Social Media},
author = {Ciprian-Octavian Truică and Elena-Simona Apostol and Radu-Cătălin Nicolescu and Panagiotis Karras},
journal= {arXiv preprint arXiv:2302.12190},
year = {2024}
}