新闻来源可信度评估：一个 Reddit 案例研究

Feb, 2024

新闻来源可信度评估：一个 Reddit 案例研究

News Source Credibility Assessment: A Reddit Case Study

Arash Amini, Yigit Ege Bayiz, Ashwin Ram, Radu Marculescu, Ufuk Topcu

TL;DR社交媒体平台时代，识别在线内容的可信度对于打击错误信息至关重要。我们提出了 CREDiBERT（使用双向编码器从转换器进行可信度评估），这是一个针对 Reddit 提交的可信度评估模型，重点关注政治话语。我们采用半监督训练方法，利用 Reddit 的基于社区的结构来进行 CREDiBERT 的训练，通过将 CREDiBERT 编码的提交内容与 Siamese 神经网络结合，显著提高了提交可信度的二分类，相较于现有方法，F1 分数提高了 9%。此外，我们介绍了 Reddit 中新版本的帖子间网络，通过有效编码用户交互来提升二分类任务的 F1 分数近 8%。最后，我们使用 CREDiBERT 评估了不同主题下的子论坛对不同主题的易感性。

Abstract

In the era of social media platforms, identifying the credibility of online content is crucial to combat misinformation. We present the CREDiBERT (credibility assessment using Bi-directional Encoder Representatio

social media platforms credibility assessment reddit submissions political discourse siamese neural network

发现论文，激发创造

TweetCred: Twitter 上内容的实时可信度评估

本研究开发并评估了一个使用机器学习的排名模型来评估 Twitter 上的信息可信度的实时系统 TweetCred，并评估了其响应时间、有效性和可用性。

May, 2014

面向解释性虚假信息检测的联动可信度审查

本文提出了一种基于可信度评估的体系架构，用于建立分布式机器人网络协同实现误传信息检测，并且通过使用 Schema.org 扩展和 NLP 技术实现语义相似性和态度检测，有效地提高了可伸缩性、领域独立性、可组合性、可解释性和透明度，同时还在 Clef'18 CheckThat! Factuality 任务上取得了新的明显的效果。

Aug, 2020

基于 BERT 的社交媒体声誉分析深度学习方法

在社交媒体的世界中，维护声誉资本至关重要，但是在自动化可靠的在线声誉分析方面仍面临挑战。因此我们提出了一种基于 BERT 的声誉分析方法，并在 RepLab 2013 数据集上进行了评估。相比之前的工作，我们的准确度提高了 5.8％，平衡准确度提高了 26.9％，F 分数提高了 21.8％。

Oct, 2022

CED：可信的社交媒体谣言早期检测

这篇论文提出了一种名为可信早期检测 (CED) 的新颖的谣言检测模型，它将所有谣言候选人的转发视为一个序列，通过寻找一个早期的时间点进行可信预测，能够显著减少预测时间跨度超过 85％并优于所有现有基线的准确性表现。

Nov, 2018

BUT-FIT 在 SemEval-2019 任务 7 中：使用预训练的深度双向 Transformer 来确定谣言立场

本文描述了我们提交到 SemEval 2019 任务 7 的系统：RumourEval 2019：确定谣言真实性和谣言支持，子任务 A。我们使用姿态分类来确定帖子关于前一贴和源贴的谣言立场。本文使用基于 BERT 架构的端到端系统，没有手工特征，在所提供的测试数据中达到了 61.67％的 F1 得分，获得该项竞赛的第二名。

Feb, 2019

基于表示学习的社交媒体信息可信度评估

本研究提出了一种新的信息可信度评估方法 (ICE)，采用表示学习建模社交媒体上用户的可信度、行为类型、时间属性和评论态度，以及机器学习方法区分谣言和非谣言，并在 Sina 微博数据集上取得了比现有方法更好的实验效果。

Sep, 2016

RedditBias：对话语言模型偏见评估和去偏见的现实世界资源

本文研究文本表示模型的偏见问题。尤其是，对于会话语言模型中存在的偏见问题，资源和方法有限，并且缺乏综合评估框架。本文提出了 RedditBias，一种多维偏见评测数据集，并开发了使用其进行评估测试的框架，同时测试了使用四种去偏见方法修复模型偏见后模型在会话生成方面的性能。结果表明，DialoGPT 模型存在宗教群体的偏见问题，但某些去偏见技术可以消除此种偏见并保留下游任务的性能。

Jun, 2021

通过对社交媒体预测进行分类并通过实际市场数据检查预测，对金融专家的可信度进行可解释的评估

社交媒体中，通过自然语言处理和机器学习相结合的方式来评估金融创作者的可信度，并提供准确的市场数据验证和连续的可信度评分，同时利用社交媒体指标和相关性分析来提供决策的自然语言解释。

Jun, 2024

在 Reddit 中发现和分类语言偏见

本文介绍了一种利用词嵌入发现并分类 Reddit 上语言偏见的数据驱动方法，并通过连接数据中的评价性词语和受保护属性，并经过语义分析系统分类来自动发现 Reddit 社区中编码的语言偏见。

Aug, 2020

DeClarE: 使用证据感知深度学习揭穿虚假新闻和假言论

本研究提供了一种端到端模型，该模型可对文字主张进行证据感知的可信度评估，不需要任何人类干预，并通过聚合来自外部证据文章的信号，这些文章的语言以及其来源的可信度来生成用户可理解的解释，从而提高了之前工作的局限性，实验证明其有效性。

Sep, 2018