14、基于LSTM深度学习方法的假新闻检测

基于LSTM深度学习方法的假新闻检测

1. 背景与挑战

社交媒体的兴起使得传播不实信息变得轻而易举。因此，验证新闻报道的真实性至关重要。与检测虚假产品评论相比，检测假新闻是一项更为艰巨的任务。由于网络和社交媒体的开放性以及计算机技术的进步，创建和传播假新闻变得更加容易。虚假评论的目的和影响相对容易理解和检测，而传播虚假信息的目的和影响则难以准确衡量和理解。例如，虚假评论显然会损害产品所有者、客户和在线商店的利益，但确定受假新闻影响的实体却很困难，这需要测量新闻传播情况，而这既困难又耗时。

2. 假新闻的分类

假新闻可分为以下三类：
- 严重伪造新闻 ：未在主流媒体、黄色报刊或小报上发表的新闻，这类信息较难获取。
- 大规模骗局新闻 ：具有原创性和创造性，通常会在多个不同平台上出现，可能需要采用文本分析以外的方法来检测。
- 搞笑假新闻 ：旨在娱乐、讽刺甚至荒诞，这类假新闻的性质可能会对文本分类系统的效率产生负面影响。

3. 研究方法概述

研究从预处理数据集开始，删除不必要的字符和单词。提取n - gram特征后，构建代表文档的特征矩阵。在分类过程中，训练分类器是重要步骤。研究重点关注了六种机器学习技术：随机梯度下降（SGD）、支持向量机（SVM）、线性支持向量机（LSVM）、K近邻（KNN）、线性回归（LR）和决策树（DT）。

4. 数据集

研究使用了以下数据集，这些数据集能最真实地反映现实世界，即假新闻在每日新闻产出总量中所占比例较小。FakeN