社交网络中的多级用户可信度评估

在线社交网络既是真实新闻也是虚假新闻传播的主要平台。许多用户——有意或无意地——在政治和商业等领域传播有害内容、错误信息和谣言。因此，用户可信度评估近年来已成为一个突出的研究领域。大多数现有方法存在两个关键局限。首先，它们将可信度视为二分类任务，将用户标记为真实或虚假，而现实应用往往需要更细致的多级评估。其次，它们仅依赖部分相关特征，限制了预测性能。在本文中，我们首先设计了一种专为该任务定制的数据收集方法，以解决缺乏适用于多级可信度评估数据集的问题。随后我们提出\textit{MultiCred}模型，该模型基于从用户档案、推文和评论中提取的丰富多样特征集，将用户划分至若干可信度层级之一。MultiCred利用深度语言模型进行文本分析，并利用深度神经网络处理非文本数据。我们的大量实验表明，MultiCred在多个准确率指标上显著优于现有方法。我们的代码公开于https://github.com/Mohammad-Moradi/MultiCred。