融合评论的多任务联合谣言检测方法*

王 繁,郭军军,余正涛

(1.昆明理工大学信息工程与自动化学院，云南 昆明 650500；2.昆明理工大学云南省人工智能重点实验室，云南 昆明 650500)

1 引言

微博用户量急剧增加，信息发布门槛低，网络运营平台缺乏及时、有效的监督机制，使得虚假信息、网络谣言等充斥网络。谣言借助微博独有的特点进行广泛传播，对社会、企业和个人都造成了极大的不良影响。基于微博数据的谣言检测，通过挖掘微博中的有效特征，开发准确的检测和干预技术有助于缓解谣言传播的负面影响。

谣言具有特殊性，为有意误导读者而撰写的，也可能掺杂着真实内容而导致文本特征不足，因此单从新闻内容很难辨别真假。如图1所示，深色用户评论信息具有来自社交媒体人群的丰富信息，包括观点、立场和情绪，对谣言的发现和甄别具有一定的指导意义；浅色用户评论信息对微博谣言判定并没有影响，有的甚至毫不相关，因此用户评论的质量不同对谣言的判定所起作用也不同。目前国内外研究人员针对谣言的检测主要通过探索新闻正文文本特征和用户社交环境实现。Ruchansky等人[1]使用混合的深度学习框架同时对新闻文本、用户响应和用户特征进行建模，为假新闻检测提供了全新的思路；Guo等人[2]利用神经网络对用户评论进行层次化建模，以检测用户的虚假评论；Wu等人[3]通过对抗网络从新闻内容的语义信息中捕获差异化的可信度特征，并将其融合以获取信息可信度评估。……