沉默发声：假新闻检测中针对代表性不足用户的重加权技术
计算机与社会
2023-08-07 v1 社会与信息网络
摘要
社交媒体平台为分析用户行为提供了丰富环境。近来，基于深度学习的方法已成为涉及复杂模式的社交媒体分析模型的主流途径。然而，这些方法易受训练数据中的偏差影响，例如参与不平等。基本上，仅 1% 的用户生成了社交网站上大部分内容，而其余用户虽参与程度不一，但在内容创作上往往较不活跃且大体沉默。这些沉默用户消费并聆听平台上传播的信息。然而，他们的声音、态度与兴趣并未反映于在线内容中，使得当前方法的决策偏向于活跃用户的意见。因此模型可能将最喧哗的用户误认为多数。我们提议利用重加权技术让沉默的多数被听见，并进而探究这些用户的线索能否提升当前模型在假新闻检测下游任务中的性能。
引用
@article{arxiv.2308.02011,
title = {Silence Speaks Volumes: Re-weighting Techniques for Under-Represented Users in Fake News Detection},
author = {Mansooreh Karami and David Mosallanezhad and Paras Sheth and Huan Liu},
journal= {arXiv preprint arXiv:2308.02011},
year = {2023}
}