17、利用机器学习和深度学习进行假新闻检测

利用机器学习和深度学习进行假新闻检测

社交媒体与假新闻问题

社交媒体是在全球传播实时新闻的重要媒介，其受欢迎的原因之一是信息传播的便捷性。社交媒体网站拥有大量不同年龄、性别和社会信仰的用户。然而，读者在阅读和交流信息时往往不考虑其真实性，这是一个显著的劣势。因此，研究验证新闻真实性的方法至关重要。

机器学习是一种让计算机系统像人类一样通过实践学习的方法，在智能手机、平板电脑、电视和免提扬声器等客户端设备的语音命令中起着关键作用。

相关研究工作

• 论坛中的虚假信息问题 ：Todor Mihaylov 等人指出，开放论坛中经常存在巨魔、虚假帖子和评论，这使得真实性成为电子社交网络中的一个障碍。网络和社区论坛出现后，观点欺骗现象时有发生。其他用户在网络论坛和社交网站上的帖子会影响用户对产品、公司和政治的看法，这使得公司和政党可以通过付费进行“声誉管理”，让一些人或公司使用虚假资料在论坛和社交网络上发布虚假观点来吸引追随者。随着时间的推移，一些论坛用户对巨魔变得敏感并开始公开揭露他们，但巨魔通常会尽量不违反论坛规则，这使得论坛管理员难以阻止他们。
• 假新闻立场检测 ：Bourgonje 等人旨在为打击假新闻做出初步贡献，其目标是找到一个声明与另一条信息相关的观点，即立场检测。他们的实验基于假新闻媒体挑战（FNC）的初始设置，FNC1 中的指控以标题形式呈现。这一阶段看似与自动确认信息准确性有很大距离，但实际上并非如此。问题在于真相的概念及其易受偏见影响，而且很难找到用于训练和探索性评估的研究语料库，特别是事实核查档案，这些语料库通常还不能免费获取。