社交媒体平台谣言的早期自动检测

被引：9
|
作者：
刘知远 [1 ]
宋长河 [2 ]
杨成 [1 ]
机构：
[1] 清华大学计算机科学与技术系
[2] 清华大学电子工程系
来源：
全球传媒学刊 | 2018年 / 5卷 / 04期
关键词：
谣言; 早期检测; 深度神经网络; 社交媒体;
D O I：
10.16602/j.gmj.20180036
中图分类号：
TP183 [人工神经网络与计算]; G206 [传播理论];
学科分类号：
摘要：
在社交媒体服务迅速发展与普及的今天,谣言传播以前所未有的迅猛之势对人类社会产生着巨大的影响。同时,人工智能技术的异军突起,也为社交媒体平台的谣言自动检测提供了可能。谣言检测现有方法通常是,通过学习某条社交媒体信息的所有转发或评论的语义表示,来预测该条社交媒体信息是否为谣言。然而,是否能在谣言引起严重的社会影响之前尽早有效做出判断(谣言早期检测)至关重要,这一问题在以往的研究中尚未得到很好的解决。本文总结了现有社交媒体平台谣言自动检测的主要技术路线,并探讨了进行谣言早期检测的可能性。
引用
收藏
页码：65 / 80
页数：16
相关论文
共 26 条
  • [1] 微博意见领袖规避谣言传播的对策研究
    鲁普丹
    [J]. 新闻研究导刊, 2016, 7 (01) : 36 - 37+41
  • [2] 中文社交媒体谣言统计语义分析
    刘知远
    张乐
    涂存超
    孙茂松
    [J]. 中国科学:信息科学, 2015, 45 (12) : 1536 - 1546
  • [3] Identification of opinion leader on rumor spreading in online social network Twitter using edge weighting and centrality measure weighting. Dewi,F.K,Yudhoatmojo,S.B,Budi,I. Digital Information Management (ICDIM),2017 Twelfth International Conference on . 2017
  • [4] http://www. factcheck. org/ .
  • [5] http://www. snopes. com/ .
  • [6] Expert Finding for Microblog Misinformation Identification. Liu,Z,Liang,C,Sun,M. The 24th International Conference on Computational Linguistics (COLING 2012) . 2012
  • [7] On the properties of neural machine translation:Encoder-decoder approaches. Cho,K,Van Merri3nboer,B,Bahdanau,D,Bengio,Y. . 2014
  • [8] Combining Neural,Statistical and External Features for Fake News Stance Identification. Bhatt,G,Sharma,A,Sharma,S,Nagpal,A,Raman,B,Mittal,A. Companion of the The Web Conference 2018 on The Web Conference2018 . 2018
  • [9] Convolutional neural networks for sentence classification. Kim,Y. . 2014
  • [10] Detecting rumors from microblogs with recurrent neural networks. MA J,GAO W,MITRA P,et al. IJCAI Proceedings of the International Joint Conference on Artificial Intelligence . 2016
123