語言讓它離開算法如何幫助我們檢測假新聞

您是否曾在網(wǎng)上閱讀并在您的網(wǎng)絡(luò)中共享它，但卻發(fā)現(xiàn)它是錯(cuò)誤的?作為一名軟件工程師和計(jì)算語言學(xué)家，她將大部分工作甚至休閑時(shí)間都花在電腦屏幕前，我很擔(dān)心我在網(wǎng)上看到的內(nèi)容。在社交媒體時(shí)代，我們許多人消費(fèi)不可靠的新聞來源。我們在社交網(wǎng)絡(luò)中接觸到大量信息 - 特別是如果我們花很多時(shí)間在Twitter和Facebook上掃描朋友的隨機(jī)帖子。

我和Simon Fraser大學(xué)話語處理實(shí)驗(yàn)室的同事們對假新聞的語言特征進(jìn)行了研究。

假新聞的影響

英國的一項(xiàng)研究發(fā)現(xiàn)，大約三分之二的受訪成年人經(jīng)常在Facebook上閱讀新聞，而其中一半的人有過最初相信假新聞的經(jīng)歷。由麻省理工學(xué)院的研究人員進(jìn)行的另一項(xiàng)研究側(cè)重于接觸假新聞的認(rèn)知方面，并發(fā)現(xiàn)，平均而言，新聞閱讀者至少有20%的時(shí)間認(rèn)為是虛假新聞標(biāo)題。

虛假故事的傳播速度比真實(shí)新聞快10倍，虛假新聞問題嚴(yán)重威脅著我們的社會。

例如，在2016年美國大選期間，數(shù)量驚人的美國公民相信并分享了一個(gè)明顯的虛假陰謀，聲稱希拉里克林頓與一家人工販賣集團(tuán)有關(guān)。餐館老板收到了死亡威脅，一名信徒帶著槍出現(xiàn)在餐廳。這個(gè) - 以及在選舉季節(jié)期間分發(fā)的其他一些假新聞報(bào)道 - 對人們的選票產(chǎn)生了不可否認(rèn)的影響。

在黨派團(tuán)體，社交媒體機(jī)器人和朋友的朋友分享了數(shù)千次之后，通常很難找到故事的起源。事實(shí)檢查網(wǎng)站，如Snopes和Buzzfeed只能解決一些最流行的謠言。

互聯(lián)網(wǎng)和社交媒體背后的技術(shù)使這種錯(cuò)誤信息得以傳播; 也許是時(shí)候問一下這項(xiàng)技術(shù)在解決這個(gè)問題時(shí)應(yīng)該提供什么。

贈品的寫作風(fēng)格

機(jī)器學(xué)習(xí)的最新進(jìn)展使得計(jì)算機(jī)能夠即時(shí)完成將人類花費(fèi)更長時(shí)間的任務(wù)。例如，有一些計(jì)算機(jī)程序可以幫助警方在幾秒鐘內(nèi)識別犯罪面孔。這種人工智能訓(xùn)練算法來分類，檢測和做出決策。

當(dāng)機(jī)器學(xué)習(xí)應(yīng)用于自然語言處理時(shí)，可以構(gòu)建識別來自另一種類型的文本的文本分類系統(tǒng)。

在過去幾年中，自然語言處理科學(xué)家在構(gòu)建檢測錯(cuò)誤信息的算法方面變得更加積極; 這有助于我們了解假新聞的特點(diǎn)，并開發(fā)技術(shù)來幫助讀者。

一種方法找到相關(guān)的信息來源，為每個(gè)來源分配可信度得分，然后將它們整合以確認(rèn)或揭穿給定的索賠。這種方法在很大程度上依賴于追蹤新聞的原始來源并根據(jù)各種因素評估其可信度。

第二種方法檢查新聞文章的寫作風(fēng)格而不是其起源。書面作品的語言特征可以告訴我們很多關(guān)于作者及其動機(jī)的信息。例如，與誠實(shí)書寫的相比，特定單詞和短語往往在欺騙性文本中更頻繁地出現(xiàn)。

發(fā)現(xiàn)假新聞

我們的研究使用機(jī)器學(xué)習(xí)和自然語言處理技術(shù)識別語言特征以檢測假新聞。我們對大量關(guān)于各種主題的事實(shí)檢查新聞文章的分析表明，平均而言，假新聞文章使用更多在仇恨言論中常見的表達(dá)，以及與性，死亡和焦慮相關(guān)的詞語。另一方面，真實(shí)新聞包含更多與工作(商業(yè))和金錢(經(jīng)濟(jì))相關(guān)的詞匯。

這表明結(jié)合機(jī)器學(xué)習(xí)的風(fēng)格方法可能有助于檢測可疑新聞。

我們的假新聞檢測器是基于從大量新聞文章中提取的語言特征構(gòu)建的。它需要一段文字，并顯示它與以前見過的假新聞和真實(shí)新聞有多相似。(試試吧!)

然而，主要的挑戰(zhàn)是建立一個(gè)能夠處理各種新聞主題和在線標(biāo)題快速變化的系統(tǒng)，因?yàn)橛?jì)算機(jī)算法從樣本中學(xué)習(xí)，如果這些樣本不足以代表在線新聞，那么該模型的預(yù)測將是不可靠。

一種選擇是讓人類專家收集并標(biāo)記大量虛假和真實(shí)的新聞文章。該數(shù)據(jù)使機(jī)器學(xué)習(xí)算法能夠找到在每個(gè)集合中不斷發(fā)生的常見特征，而不管其他類型。最終，該算法將能夠在以前看不見的真實(shí)或假新聞文章之間區(qū)分。