TweetCred：Twitter内容的实时可信度评估
密码学与安全
2015-02-02 v2 社会与信息网络
物理与社会
摘要
在突发危机事件期间，Twitter上存在垃圾信息、谣言和虚假内容，降低了其消息（或“推文”）所含信息的价值。解决该问题的一种可能方法是使用机器学习自动评估推文的可信度，即一个人是否会认为该推文可信或值得信赖。这通常被框架并研究为离线（事后）环境中的监督分类问题。在本文中，我们提出了一种半监督排序模型，用于根据推文的可信度对其进行评分。该模型用于TweetCred，这是一个实时系统，为用户时间线中的推文分配可信度分数。TweetCred作为浏览器插件提供，在三个月内被1127名Twitter用户安装和使用。在此期间，计算了约540万条推文的可信度分数，使我们能够在响应时间、有效性和可用性方面评估TweetCred。据我们所知，这是第一个开发Twitter实时可信度系统并在如此规模的用户群上进行评估的研究工作。
引用
@article{arxiv.1405.5490,
title = {TweetCred: Real-Time Credibility Assessment of Content on Twitter},
author = {Aditi Gupta and Ponnurangam Kumaraguru and Carlos Castillo and Patrick Meier},
journal= {arXiv preprint arXiv:1405.5490},
year = {2015}
}
备注
16 Pages in Proceedings of Social Informatics (SocInfo 2014)