39、虚假新闻分类算法与网络拥塞控制综述

虚假新闻分类算法与网络拥塞控制综述

虚假新闻分类算法

1. 背景与挑战
   • 高速互联网让全球数据和信息传输变得高效迅速，几秒钟内大量信息就能在世界范围内传播。如今，很多人通过社交媒体获取新闻，例如美国约62%的公民通过社交媒体获取新闻。
   • 虚假新闻因其内容有吸引力而传播迅速，涉及政治、体育、科技、娱乐等多个领域，制造者借此谋取暴利。虚假新闻会对社会和个人产生多方面影响，如影响金融和政治决策、破坏个人社会声誉。例如印度曾有社交媒体帖子称“任何与COVID - 19相关的社交媒体帖子都是可处罚的违法行为”，很多人信以为真，后来证实是假新闻。2016年美国大选期间，社交媒体上大量虚假新闻迅速传播。
   • 区分虚假新闻和真实新闻很困难，面对包含数百万条记录的数据集，人工分类几乎不可能且不现实。因此，科学家们提出了多种监督和无监督的机器学习及深度学习算法来进行分类，并通过准确率得分、精确率、召回率和F1分数等指标评估准确性。
2. 被动攻击分类器
   • 被动攻击算法是为大规模学习设计的一类算法，与感知机类似，不需要学习率，但包含正则化参数“C”。
   • 工作模式 ：
     • 被动 ：如果预测正确，保持模型不变，即示例中的数据不足以导致模型改变。
     • 主动 ：如果预测错误，对模型进行更改，即对模型的某些更改可能会纠正错