12、基于频繁模式挖掘的假新闻检测

基于频繁模式挖掘的假新闻检测

1. 数据挖掘与社交媒体概述

数据挖掘的主要维度包括数据、知识、技术和应用。随着各领域数据的爆炸式增长以及计算能力的迅速提升，数据挖掘成为重要的研究领域。一些挖掘技术，如分类、聚类、关联规则挖掘（ARM），可从假新闻检测的角度进行探索。数据挖掘任务可分为描述性任务（处理特征化）和预测性任务（推导隐藏知识和有趣模式）。

社交媒体是致力于基于社区的输入、交互、内容共享和协作的在线通信渠道集合。它为快速无缝获取信息提供了平台，有助于个人融入不同社区，是一种有效的沟通方式。社交网络产生了大量被视为社交媒体的数据，其涵盖了各种形式的在线交互和内容共享。常见的社交网络平台有Facebook、Twitter、Linkedin等，媒体共享网络包括Instagram、Snapchat和YouTube等。

然而，社交媒体也带来了诸多问题：
- 虚假信息传播 ：社交机器人和半机械人（Cyborgs）常被用于模仿人类行为，其中半机械人可能传播更多假新闻以制造市场热度。假新闻的传播对商业、执法、政治、文化和国家安全都有明显影响，还会影响消费者行为和营销模式。
- 心理问题 ：网络社交不仅能建立关系，还可能导致焦虑、抑郁等心理困扰。网络欺凌现象在社交媒体上大幅增加，可能导致严重的心理创伤，甚至引发抑郁和自杀倾向。此外，Facebook用户还存在“错失恐惧症”（FOMO）等心理焦虑问题。
- 安全问题 ：网络社交存在钓鱼、语音诈骗、借口诈骗、诱饵诈骗、尾随、“以物易物”、账户被盗用等问题。假新闻在社交媒体上的传播，可能导致人员伤亡或社会失衡。 <