[论文解读] This Just In: Fake News Packs a Lot in Title, Uses Simpler, Repetitive Content in Text Body, More Similar to Satire than Real News

Benjamin D. Horne, Sibel Adalı|arXiv (Cornell University)|Mar 28, 2017

Misinformation and Its Impacts被引用 48

一句话总结

本研究通过三个数据集分析虚假新闻、真实新闻与讽刺新闻之间的风格差异，发现虚假新闻标题更长，使用更多专有名词且停用词更少，而正文内容更短、更重复且复杂度更低。关键的是，虚假新闻在风格上与讽刺新闻更相似，而非真实新闻，表明其依赖启发式说服而非逻辑论证，且标题是吸引那些仅快速浏览而非深入阅读的受众的主要说服机制。

ABSTRACT

The problem of fake news has gained a lot of attention as it is claimed to have had a significant impact on 2016 US Presidential Elections. Fake news is not a new problem and its spread in social networks is well-studied. Often an underlying assumption in fake news discussion is that it is written to look like real news, fooling the reader who does not check for reliability of the sources or the arguments in its content. Through a unique study of three data sets and features that capture the style and the language of articles, we show that this assumption is not true. Fake news in most cases is more similar to satire than to real news, leading us to conclude that persuasion in fake news is achieved through heuristics rather than the strength of arguments. We show overall title structure and the use of proper nouns in titles are very significant in differentiating fake from real. This leads us to conclude that fake news is targeted for audiences who are not likely to read beyond titles and is aimed at creating mental associations between entities and claims.

研究动机与目标

• 调查虚假新闻、真实新闻与讽刺新闻文章之间系统性的风格与语言差异。
• 确定虚假新闻的写作是否旨在模仿真实新闻，还是其说服策略更类似于讽刺新闻。
• 评估语言与结构特征在区分虚假新闻、真实新闻与讽刺新闻方面的预测能力。
• 探讨这些发现对理解虚假新闻如何通过启发式处理而非理性论证传播的启示。

提出的方法

• 本研究分析了三个独立数据集：一个来自Buzzfeed的2016年美国大选新闻数据集，一个由作者收集的关于美国政治新闻的真实、虚假与讽刺来源的数据集，以及一个先前研究中关于讽刺与真实新闻的数据集。
• 提取语言与风格特征，包括标题长度、停用词使用、专有名词、标点符号以及正文中的重复性。
• 使用统计分析与线性核支持向量机（SVM）基于这些特征将文章分类为虚假、真实或讽刺类别。
• 将详尽可能性模型（ELM）作为理论框架，以解释研究发现，特别是外围处理与中心处理在说服中的作用。
• 评估特征重要性，以识别最能区分虚假新闻与真实及讽刺新闻的语言线索。
• 通过在小特征子集上使用准确率指标评估预测性能，以验证所识别特征的实用性。

实验结果

研究问题

• RQ1 虚假新闻的语言与风格特征与真实新闻和讽刺新闻相比，系统性差异体现在哪些方面？
• RQ2 虚假新闻在风格上与讽刺新闻的相似程度是否显著高于与真实新闻的相似度？
• RQ3 虚假新闻文章是否更多依赖标题中的启发式线索，而非正文中的逻辑论证？
• RQ4 诸如标题长度、专有名词使用与重复性等简单语言特征，能否有效预测虚假新闻内容？
• RQ5 认知启发式，特别是外围处理，在虚假新闻的传播与说服中扮演何种角色？

主要发现

• 虚假新闻标题显著更长，包含更多专有名词与动词短语，而停用词与名词使用更少，相较于真实新闻。
• 虚假新闻正文更短，重复性更高，标点符号使用更少，表明语言复杂度较低。
• 在语言风格上，虚假新闻在统计上与讽刺新闻的相似度显著高于与真实新闻的相似度，表明存在共享的说服策略。
• 仅使用少量语言特征，线性核SVM在区分虚假新闻与真实及讽刺新闻时，分类准确率在71%至91%之间。
• 研究结果支持详尽可能性模型，表明虚假新闻通过外围处理实现说服，依赖标题中的启发式线索，而非正文中的理性论证。
• 本研究结论认为，虚假新闻是为那些仅浏览标题而不深入阅读内容的读者而设计，因此基于标题的启发式机制是其影响力的主要来源。