信息流的在线审计

现代社交媒体平台借助其庞大的用户网络在促进信息快速传播方面发挥着重要作用。社交媒体平台上的假新闻、错误信息与无法核实的事实传播不和谐并影响社会。在本文中，我们考虑信息流/传播的在线审计问题，旨在将新闻条目分类为虚假或真实。具体而言，受真实世界社交媒体平台经验性研究的驱动，我们提出一种建模范式图之上网络的概率马尔可夫信息传播模型。随后我们将推断任务表述为某一顺序检测问题，目标是最小化错误概率与达成正确决策所需时间之和。针对该模型，我们找到了最小化上述风险的最优检测算法，并证明了若干统计保证。我们接着在真实世界数据集上测试算法。为此，我们首先构建离线算法以学习概率信息传播模型，然后应用我们的最优检测算法。实验研究表明，我们的算法在准确率和检测时间上均优于最先进的错误信息检测算法。