计算机科学 > 社会与信息网络
[提交于 2025年1月9日
]
标题: 谣言及其来源在社交网络中的检测:全面综述
标题: Detection of Rumors and Their Sources in Social Networks: A Comprehensive Survey
摘要: 随着社交网络平台技术的最新进展,大量信息正在迅速传播。 在这种情况下,辨别哪些信息是虚假的或真实的可能会变得越来越困难。 如果虚假信息大量传播,可能会导致不良后果。 因此,当我们接收到一些信息时,可以提出以下两个问题: $(i)$该信息是否真实? $(ii)$如果不是,是谁最初传播了这条信息? % 第一个问题就是谣言检测问题,第二个问题是谣言源头检测问题。 谣言检测问题涉及通过各种通信渠道,尤其是在线平台和社交媒体,识别和缓解虚假或误导性信息。 谣言可以从无害的谣言到旨在欺骗或操纵受众的故意误导内容。 检测错误信息对于维护信息生态系统的完整性以及防止虚假信念的传播、极化甚至社会危害等有害影响至关重要。 因此,在快速区分此类错误信息的同时找到其来源以阻止其在网络上传播非常重要。 然而,现有的大多数调查都是分别分析这两个问题。 在这项工作中,我们首先对谣言检测和谣言源头检测问题的现有研究进行调查,并同时采用联合检测方法。 % 本综述同时处理这两个问题,以便观察它们之间的关系,并说明这两个问题的相似性和差异性。 还解释了谣言检测、谣言源头检测及其组合问题所带来的局限性,并提出了未来工作需要解决的一些挑战。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.