7、社交媒体虚假新闻分类：基于情感分析的探索

社交媒体虚假新闻分类：基于情感分析的探索

1. 引言

互联网让信息得以实时传遍全球，给社会带来诸多益处，但也存在弊端，信息可能不准确、具误导性甚至是故意造假。虚假新闻已成为常见话题。在社交媒体领域，它既是便捷的信息来源，也是虚假新闻传播的温床，虚假新闻的快速传播会对个人、社会乃至国家造成巨大危害。

公众情绪对社会的影响日益增大，准确实时地衡量公众情绪变得十分必要，而情感分析是实现这一目标的有效途径。本研究聚焦于利用情感分析区分社交媒体上的真假新闻，以应对虚假新闻传播的挑战。

Twitter作为主流社交网络，是新闻传播的重要平台。我们使用了两个Twitter新闻数据集：FakeNewsNet和CredBank，分别反映虚假和真实新闻，总数据量超过250万条推文。为了对这些推文进行情感分类，我们采用传统自然语言处理（NLP）技术处理语料，并运用机器学习方法，如朴素贝叶斯和决策树进行情感分析和真假新闻的自动判别。同时，为处理大数据问题，还使用了双向长短时记忆网络（Bi - LSTM）训练分类器。

2. 相关工作

社交媒体作为信息传播的重要媒介，其信息质量受到众多研究者的关注，情感分析也得到了广泛探索，包括非英语情感分析以及结合地理位置、时间因素的情感分析。

在短消息（推文）的真假新闻研究方面，Buntain和Golbeck开发了CredBank数据集，Shu等人提供了FakeNewsNet数据集。对于情感分析，许多工作集中在文本预处理、特征提取和模型训练上。例如，一些研究使用传统自然语言处理方法建立情感分类框架，利用机器学习模型训练分类器，并采用N - Gram方法进行特征提取。还有研究使用Levensthein距离对单词