想让假新闻无所遁形？用这三重关系来检测吧

今天我们要研究一个日益普遍的问题：如何检测正在社交网络上传播的假新闻？暂时不从计算机科学的角度考虑，一些重要的检测因素可能如下：

· 讲的是什么（新闻的内容），或者是怎么讲的（虽然假新闻可以通过模仿真实新闻故意误导用户）。

· 刊登在哪里（源出版物的可信度和权威性）。例如，《金融时报》中的某些内容会比《洋葱》中的内容更可信。

· 谁在传播新闻（比如转发它的用户帐户的可信度——他们是机器人吗？）。

现有的大多数检测算法都侧重于从新闻内容中寻找线索，但这些线索一般是无效的，因为假新闻通常会模仿真实新闻而故意误导用户。

因此，我们不应只看内容，更应关注社会背景：比如发布人和传播信息的用户。TriFN是我们开发的假新闻检测系统，它关注到了新闻、发布人和社交网络用户之间的三重关系。

我们最擅长的是通过发布人、新闻内容和社会参与之间的三重关系来学习有效的新闻特征，从而对假新闻进行分类。

数据表明，将发布人和用户纳入检测范围确实有助于虚假新闻的检测。

输入

输入因素包括：发布人l，社交网络用户m和新闻文章n。利用一个由含t个单词的词汇表，可以计算出一个词袋特征矩阵。

对于m个用户，有一个m×m邻接矩阵，如果i和j是朋友，则为1，否则为0。

我们还知道哪些用户共享了哪些新闻，矩阵编码了这一信息。

矩阵同样也编码了“哪些人发布了哪些新闻”这一信息。

对于某些发布人，我们可以知道他们的党派倾向。本文中，使用了来自mediabiasfactcheck.com的倾向评级，我们仅采用“左偏差”、“最小偏差”（中性）和“右偏差”值（忽略中间区域的左中心和右中心值），并在发布人党派标签矢量中将它们分别编码为-1,0和1。并非每个发布人都会有倾向评级。我们想要给在矢量中的此类发布人的条目中添加“-”，但由于我们做不到这一点，因此独立的矢量会对我们是否为发布人p提供倾向评级进行编码。

但至少有件事我们可以做主：一个被标记的新闻数据集会让我们得知新闻真假与否。（这里我们只涉及到新闻的内容，而不管社会背景）。

嵌入框架的三重关系

TriFN会获取所有这些输入信息，并将它们与假新闻二进制分类器组合在一起。鉴于用户数量和新闻数量都很庞大，我们可以预料到，一些原始输入是相当大的，因此，会大量使用非负矩阵因式分解法来降维，以学习潜在的空间嵌入（稍后会详述）。

TriFN整合了：

· 新闻内容嵌入

· 用户嵌入

· 用户与新闻交互嵌入

· 发布者与新闻交互嵌入

· 由被标记的假新闻数据集训练的线性分类器进行的预测

从图片上看, 它是这样的：

新闻内容嵌入

让我们详细研究下非负矩阵因式分解法（NMF）是如何降维的。

还记得新闻文章的词袋草图吗？这是一个n x t矩阵，其中n是新闻文章的数量，t是词汇表中的单词数量。NMF尝试学习潜在的嵌入，这些嵌入会在较小的空间中捕获矩阵中的信息。

在一般情况下，NMF寻求将一个（非负）矩阵M分解为两个（非负）矩阵W和H（或本文中使用的D和V）的乘积。这对我们有什么帮助？我们可以选择维度d来控制潜在空间的大小，并将矩阵分解为新闻文章的d维表达式，以及词汇表中单词的d维表达式。这意味着有形，因此以所需的形结束。一旦我们学会了如何表示一篇新闻D，我们就能将它们运用到TriFN的新闻内容嵌入中。

我们想尽力使接近，同时保持和的敏感度以避免过度拟合。我们可以用一个正则术语来实现它。所以，整体优化如下所示：

用户嵌入

对于用户嵌入，存在类似的NMF应用程序，但在这种情况下，我们会将邻接矩阵拆分成一个用户潜在矩阵和一个用户相关矩阵。所以此时，我们要用NMF来学习具有mxd . dxd . dxm形的，最后会生成所需的mxm形。

还有一个用户间关系矩阵，它控制着的贡献。基本的概念是，任何给定的用户将只分享一小部分新闻，所以乐观的情况（分享一篇文章）应该比消极的情况（没有分享）更重要。

用户与新闻交互嵌入

对于用户与新闻交互嵌入，我们希望能获取用户特征与新闻标签之间的关系。我们的直觉是，信用低的用户更容易传播假新闻。那么我们如何得知用户信誉呢？在《社交媒体中的用户可信度测量》一文的基础上，将此建立在与其他用户的相似性上。

首先，用户被分组，同组用户都倾向于分享相同的新闻。然后根据每个组的相对大小给出一个可信度评分。小组得到的可信度评分适用于组内用户。你可能会疑惑，这个过程中会不会有机器人帐户被创建，然后合作传播虚假新闻。然而，若假设我们有可靠的可信度分数，那么我们希望能设置一些参数，使高可信度用户的潜在特征接近真实新闻，使低可信度的用户的潜在特征接近假新闻。

发布者与新闻交互嵌入

上文中，我们用矩阵编码了“哪些人发布了哪些新闻”这一信息。 接下来，让成为该信息的标准化版本。我们想要找到一个加权矩阵， 将新闻发布者的潜在特征映射到相应的党派标签向量上。

它看起来像这样：

半监督线性分类器

利用被标记的数据，我们还学习了一个加权矩阵，将新闻潜在特征映射到假新闻标签。

把上述嵌入公式整合

总目标是，使用上述每个嵌入公式的加权组合来查找矩阵，以及整合所有已学矩阵的正则化项。

它看起来像这样：

以这样的方式训练它：

评估

TriFN通过利用FakeNewsNet BuzzFeed和PolitiFact数据集，对几种最先进的假新闻检测方法进行评估。

它在二者上都有良好表现：

来源：读芯术