28、虚假新闻的分析与机器学习检测研究

虚假新闻的分析与机器学习检测研究

一、虚假新闻的分析

1.1 基于词云的分析

词云可视化展示了在抓取推文的整个时间段内，推文中最常使用的词汇。从词云图中可以看出，在虚假新闻的情况下，“美国”“印度”“武汉”“冠状病毒”“中国”和“可能”等词汇最为常见。这表明在虚假新闻传播中，这些词汇被频繁提及，可能是虚假新闻制造者用来吸引眼球或引导舆论的手段。

1.2 按日期和数量的分析

按日期统计特定日期（前 50 个日期）的推文数量，且这些推文的关键词通常与 COVID - 19 相关。从图中明显可以看出，大部分推文集中在 2020 年 3 月 31 日，其次是 2020 年 3 月 19 日等。当时，疫情在发达国家正处于发展阶段，许多国家面临封锁紧急情况，这进一步加剧了虚假新闻和谣言在人群中的传播。
|日期|推文数量情况|
| ---- | ---- |
|2020 年 3 月 31 日|大部分推文集中在此日期|
|2020 年 3 月 19 日|推文数量较多，仅次于 3 月 31 日|

1.3 传播范围的分析

传播范围指的是推文或新闻的传播程度，分析的参数是转发和点赞数。还对转发和点赞数的组合进行了分析，以了解某些组合是否能提供与两个参数单独分析时相似的结果。通过图表展示了在疫情期间，拥有最高转发数、点赞数以及推文 + 点赞数的顶级用户。这有助于了解哪些用户在虚假新闻传播中起到了较大的推动作用。

1.4 个人传播情况

研究发现，大部分虚假新闻传播发生在 3 月份，即使是没有事实依据的新闻也有很广的传播范围。不仅小镇居民或普通个人参与了