[论文解读] Rumor Detection on Social Media: Datasets, Methods and Opportunities

Quanzhi Li, Qiong Zhang+2 more|arXiv (Cornell University)|Nov 17, 2019

Misinformation and Its Impacts被引用 5

一句话总结

本文对社交媒体中的谣言检测进行了全面综述，回顾了关键数据集、利用文本内容与社交背景的机器学习方法，并识别出新兴的研究机遇。它整合了谣言检测领域的最新进展，并通过更优质的数据、建模与评估框架，勾勒出改进检测系统未来的发展方向。

ABSTRACT

Social media platforms have been used for information and news gathering, and they are very valuable in many applications. However, they also lead to the spreading of rumors and fake news. Many efforts have been taken to detect and debunk rumors on social media by analyzing their content and social context using machine learning techniques. This paper gives an overview of the recent studies in the rumor detection field. It provides a comprehensive list of datasets used for rumor detection, and reviews the important studies based on what types of information they exploit and the approaches they take. And more importantly, we also present several new directions for future research.

研究动机与目标

• 提供对社交媒体谣言检测所用现有数据集的系统性综述。
• 基于其利用的信息类型——文本内容、用户行为与网络结构——分析并分类最先进的方法。
• 识别当前方法的局限性，并突出谣言检测中尚未充分探索的研究机遇。
• 通过提出在数据收集、模型设计与评估指标方面的全新研究方向，为未来研究提供指导。

提出的方法

• 作者对截至2019年在谣言检测领域发表的研究进行了全面的文献回顾。
• 根据数据来源（如Twitter、Weibo）、标注类型（如真实、虚假、未验证）和时间范围，对数据集进行分类。
• 根据方法所利用的信息类型对谣言检测方法进行分类：文本特征、社交背景（如转发模式）以及用户交互的图表示。
• 评估了各种模型的性能与设计选择，包括传统机器学习与深度学习架构，如LSTM、GCN与transformers。
• 强调通过整合多模态信号——文本、用户行为与网络传播动态——以提升检测效果。
• 提出一个面向未来研究的框架，强调数据质量、可解释性以及在不同平台与语言间的泛化能力。

实验结果

研究问题

• RQ1 在谣言检测中，最广泛使用的是哪些数据集？它们在数据来源、标注方式与时间覆盖范围方面有何差异？
• RQ2 哪些特征类型——文本、社交或结构——能带来最有效的谣言检测性能？
• RQ3 不同机器学习模型在准确率、鲁棒性与跨平台泛化能力方面如何比较？
• RQ4 当前谣言检测系统的关键局限性是什么？哪些新的研究方向可以解决这些问题？

主要发现

• 本文识别出超过20个公开可用的谣言检测数据集，其中基于Twitter的数据集最为普遍。
• 结合文本特征与社交背景（如传播模式）的方法，其性能始终优于仅依赖文本的方法。
• 图神经网络（GNNs）与注意力机制通过建模用户交互网络并识别关键传播者，展现出强劲性能。
• 尽管已有进展，但许多模型在跨语言与跨平台场景下缺乏泛化能力，凸显了构建多语言与跨平台基准的迫切需求。
• 研究揭示了实时检测系统方面的空白，并呼吁加强对低资源与零样本谣言检测的研究。