شناسایی شایعات و تحقیقات مربوط به باور در توییتر

عنوان فارسی مقاله:شناسایی شایعات و تحقیقات مربوط به باور در توییتر

چکیده

کابران رسانه‌های اجتماعی هر روزه چندین ساعت را صرف خواندن، پست گذاشتن وجست و جوی اخبار در پلتفرم‌های میکرو بلاگینگ می‌کنند. رسانه‌های اجتماعی در حال تبدیل شدن به یک ابزار کلیدی برای کشف اخبارمی باشند. با این حال، تأیید اعتبار این اطلاعات به یک چالش روز افزون ومهم تبدیل شده است. در این مطالعه ما تلاش می‌کنیم تا مسئله تشخیص شایعه و بررسی باور در تویتر را حل کنیم. تعریف مااز شایعات، یک گزارش یا عبارت غیر قابل تأیید است که موجب نشر اطلاعات کاذب می‌شود. ما از یک فرایند طبقه بندی شایعات نظارت شده با استفاده از مجموعه داده‌های استاندارد استفاده می‌کنیم. با استفاده از نسخه نرم افزاری وکتور پنهان توییت TLV، که ایجاد یک بردار ۱۰۰D معرف هر توییت می‌کند، ما دقت بازیابی شایعه را تا بیش از ۰٫۹۷۲ افزایش دادیم. هم چنین ما سیستم امتیاز بندی باور را معرفی کرده و تغییرات باور را در میان پوسترهای شایعه بین ۲۰۱۰ و ۲۰۱۶ مطالعه می‌کنیم(تحقیقات مربوط به باور در توییتر).

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Rumor Identification and Belief Investigation on Twitter

Abstract

Social media users spend several hours a day to read, post and search for news on microblogging platforms. Social media is becoming a key means for discovering news. However, verifying the trustworthiness of this information is becoming even more challenging. In this study, we attempt to address the problem of rumor detection and belief investigation on Twitter. Our definition of rumor is an unverifiable statement, which spreads misinformation or disinformation. We adopt a supervised rumors classification task using the standard dataset. By employing the Tweet Latent Vector (TLV) feature, which creates a 100-d vector representative of each tweet, we increased the rumor retrieval task precision up to 0.972. We also introduce the belief score and study the belief change among the rumor posters between 2010 and 2016.