Эффективные методы борьбы с фейковыми новостями: цензура, разоблачение и предварительная разоблачение

Таблица ссылок

Аннотация и введение

Сопутствующие работы

Предварительные сведения

Оптимальная задача предварительного группирования

Детерминированная базовая политика

Временно равноудалённое предварительное объединение

Численные результаты

Заключение и ссылки

II. СОПУТСТВУЮЩИЕ РАБОТЫ

А. Противодействие дезинформации

Мы классифицируем методы противодействия дезинформации на четыре категории: цензура, разоблачение, предварительное разоблачение и идентификация. Все первые три категории направлены на снижение воздействия дезинформации. Цензура относится к любому методу, целью которого является сдерживание распространения дезинформации путем попыток контролировать распространение информации в сети [7], [8]. Цензура широко распространена на платформах социальных сетей, однако она поднимает серьезные проблемы, связанные со свободой слова.

Разоблачение означает исправление дезинформации путем предоставления пользователям правильной информации после того, как дезинформация уже распространилась, тогда как предварительное разоблачение означает выдачу правильной информации до распространения дезинформации. Автоматизированным примером разоблачения являются многочисленные автоматизированные методы проверки фактов, которые направлены на разоблачение дезинформационного текстового контента [9], [10]. Современное понимание социальной психологии указывает на то, что предварительное разоблачение превосходит разоблачение с точки зрения его эффективности в противодействии дезинформации [4], [6], [11]. В этой статье мы вносим свой вклад в автоматизацию предварительной транзакций, разрабатывая алгоритмы для автоматической оптимизации времени доставки предварительных транзакций пользователям на платформе социальной сети.

Идентификация относится к любому методу, целью которого является обнаружение дезинформационного контента в социальной сети. В этих моделях часто используются модели обработки естественного языка [12], [13]. Дель Викарио и др. [14] показали, что характеристики распространения дезинформации допускают обнаружение без использования классификации контента. Совсем недавно Шаар и др. [15] представили метод выявления уже проверенных фактами утверждений. В этой статье мы не используем обнаружение дезинформации напрямую. Однако мы предполагаем, что уже знаем содержание дезинформации, поэтому точное обнаружение дезинформации остается предпосылкой для представленных нами методов.

Б. Модели распространения слухов

Определение оптимального времени для предварительной доставки требует точных оценок того, когда дезинформация поступит к интересующему пользователю. Для этой оценки требуется модель распространения слухов. В этой статье мы в значительной степени полагаемся на эпидемические модели [16], также известные как компартментальные модели, для моделирования распространения дезинформации. Как следует из названия, эти модели основаны на эпидемиологии и моделируют распространение слухов путем разделения пользователей на различные категории, например, восприимчивых или зараженных, а затем определяют правила, по которым эти разделы взаимодействуют с течением времени. Существует широкий спектр эпидемических моделей, которые используются при моделировании дезинформации [17]. Среди них наиболее популярны модели SI [18], SIR [19], [20], SIS [21], [22]. Модели SI (восприимчиво-инфицированные) легко моделировать и часто являются единственными моделями, которые допускают анализ с использованием произвольных графовых моделей. SIR (восприимчивый-инфицированный-выздоровевший) и SIS (восприимчивый-инфицированный-восприимчивый) уточняют модель SI, делая ее более точной, не усложняя моделирование. Несмотря на эти усовершенствования, распространение SI по-прежнему находит применение из-за своей простоты и поведения, сравнимого с моделями SIS и SIR на начальном этапе распространения дезинформации, который является наиболее важным этапом для противодействия дезинформации. В этой статье мы используем модель SI для оценки распространения дезинформации.