自動(dòng)辟謠？看清華大學(xué)是怎么玩兒大數(shù)據(jù)的

大數(shù)據(jù) 清華微博謠言

PingWest | 2016-01-15 09:47

【數(shù)據(jù)猿導(dǎo)讀】有人的地方就有謠言，尤其是互聯(lián)網(wǎng)時(shí)代，網(wǎng)上很少涉及個(gè)人真實(shí)信息，這讓謠言散布著鉆了個(gè)大空子。近日，清華大學(xué)研究人員借助大數(shù)據(jù)進(jìn)行自然語(yǔ)言處理，對(duì)微博上9000多條謠言進(jìn)行了分析，下一步還會(huì)試圖建立自動(dòng)辟謠機(jī)制，聽(tīng)起來(lái)有點(diǎn)意思

社交媒體上的謠言總是讓人猝不及防，有些甚至能在短時(shí)間造成不小的危害。比如，幾天前，微信怎么也不會(huì)想到，因?yàn)橐粋€(gè)年終回顧的HTML5頁(yè)面被提前泄露，帶來(lái)大量用戶(hù)點(diǎn)擊導(dǎo)致服務(wù)器癱瘓，然后引發(fā)了盜號(hào)的謠言。最后的結(jié)果是，短短的幾個(gè)小時(shí)內(nèi)，數(shù)百萬(wàn)人從微信提現(xiàn)，解綁銀行卡。

社交媒體上都流傳著哪些謠言?這些謠言都是誰(shuí)發(fā)布的?為什么會(huì)有人相信并主動(dòng)參與傳播這些謠言?社交網(wǎng)絡(luò)上的信息是海量的，這些問(wèn)題似乎很難回答。不過(guò)最近，清華大學(xué)智能技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室的研究人員借用了自然語(yǔ)言處理的幫助，對(duì)新浪微博上的謠言大數(shù)據(jù)進(jìn)行了全面的分析，試圖找出答案。

2012年5月，新浪微博設(shè)立了舉報(bào)處理大廳，謠言占了不良信息中的一大部分。研究人員利用微博舉報(bào)大廳公布的實(shí)時(shí)數(shù)據(jù)收集謠言信息。

他們收集了從2011年8月到2015年5月期間出現(xiàn)的9079條謠言，用函數(shù)模型對(duì)這些數(shù)據(jù)進(jìn)行了預(yù)處理，發(fā)現(xiàn)了一些有趣的現(xiàn)象。

大部分微博謠言會(huì)在其發(fā)布的一個(gè)周內(nèi)被舉報(bào)并辟謠

第一，大多數(shù)微博謠言的影響力都比較小, 轉(zhuǎn)發(fā)和評(píng)論數(shù)在500次以下的微博占到整體的84%。只有極少量的微博謠言具有極廣的傳播范圍和強(qiáng)大的影響力。

第二，謠言通常要傳播一段時(shí)間后，才有可能遭到舉報(bào);同時(shí), 由于傳播速度快，大部分微博謠言會(huì)在其發(fā)布的一個(gè)周內(nèi)被舉報(bào)并辟謠 (88.9%)。

第三，大量舉報(bào)謠言的用戶(hù), 所舉報(bào)的謠言往往與自己相關(guān). 例如, 微博用戶(hù) “美汁源飲料” 舉報(bào)了大量關(guān)于 “美汁源果粒橙” 飲料含有農(nóng)藥的謠言, 張家界紀(jì)委書(shū)記汪業(yè)元舉報(bào)了大量關(guān)于 “汪業(yè)元發(fā)表 ‘對(duì)網(wǎng)絡(luò)暴民殺無(wú)赦’ 的言論” 的謠言。

第四，大量發(fā)布謠言的用戶(hù)，往往帶有網(wǎng)絡(luò)水軍的性質(zhì)，例如，有微博用戶(hù)僅在幾分鐘的時(shí)間里發(fā)布了幾十條微博, 其中大部分是謠言, 之后該用戶(hù)就再未發(fā)過(guò)微博。

常識(shí)類(lèi)謠言經(jīng)常反復(fù)出現(xiàn)轉(zhuǎn)發(fā)高峰

研究人員還根據(jù)謠言?xún)?nèi)容將其分成了5個(gè)分類(lèi)：

政治類(lèi)謠言，例如釣魚(yú)島海域中日兩國(guó)爆發(fā)海戰(zhàn);

經(jīng)濟(jì)類(lèi)謠言，例如三星賠償蘋(píng)果幾十車(chē)硬幣;

欺詐類(lèi)謠言，例如“四川藏區(qū)兒童需要御寒冬衣”，然后留下了一個(gè)虛假的聯(lián)系電話(huà);

社會(huì)生活類(lèi)謠言，社會(huì)各界人物的花邊新聞，例如六小齡童去世;

常識(shí)類(lèi)謠言，例如阿司匹林能治療心臟病。

這些謠言中，大部分屬于社會(huì)生活類(lèi)和政治類(lèi)謠言 (約占70%)。而結(jié)合微博謠言發(fā)布、傳播、高峰和消亡的過(guò)程還可以發(fā)現(xiàn)，不同的謠言出線(xiàn)轉(zhuǎn)發(fā)峰值的情況也各部相同。

70%的謠言話(huà)題只有一個(gè)較大轉(zhuǎn)發(fā)峰值，也就是說(shuō)，被辟謠后，它們就會(huì)逐漸消亡。

另外，謠言的內(nèi)容也和其轉(zhuǎn)發(fā)峰值有關(guān)系：例如，常識(shí)類(lèi)謠言由于受眾廣，辟謠難度較大，往往會(huì)反復(fù)被人們提及，出現(xiàn)多次爆發(fā)，約70%的常識(shí)類(lèi)謠言通常有多個(gè)轉(zhuǎn)發(fā)峰值。而關(guān)于名人或知名機(jī)構(gòu)的謠言，由于關(guān)注人數(shù)眾多，辟謠難度較小，因此發(fā)布之初就會(huì)出現(xiàn)較大轉(zhuǎn)發(fā)峰值，但很快會(huì)被辟謠，約60%的此類(lèi)謠言會(huì)在一個(gè)周內(nèi)消亡。

人們?yōu)槭裁聪嘈胖{言

人們?yōu)槭裁磿?huì)相信這些謠言呢?研究人員分析后將原因歸結(jié)為兩類(lèi)：(1)知識(shí)受限，即缺乏專(zhuān)業(yè)知識(shí)而導(dǎo)致誤信或無(wú)法辨認(rèn)的謠言。例如，阿司匹林可以治療急性心臟病;(2)時(shí)空受限謠言，即由于地域和時(shí)間限制無(wú)法辨認(rèn)的謠言。例如, 有謠言稱(chēng)“杭州上城區(qū)一婦女喝了3罐可樂(lè)，兩天后離開(kāi)了這個(gè)世界。驗(yàn)尸結(jié)果是她死于細(xì)螺旋體病, 發(fā)病原因是直接用嘴對(duì)可樂(lè)罐飲用”。

自動(dòng)辟謠框架

在對(duì)謠言進(jìn)行分析之后，研究人員還試圖建立一個(gè)自動(dòng)辟謠機(jī)制。當(dāng)然，在目前的技術(shù)條件下，自然語(yǔ)言處理技術(shù)還無(wú)法根據(jù)微博內(nèi)容自動(dòng)判斷其是否為謠言。所以，研究人員的思路通過(guò)語(yǔ)義分析，自動(dòng)根據(jù)謠言主題對(duì)其進(jìn)行分類(lèi)，然后發(fā)現(xiàn)最有可能判定該謠言的專(zhuān)家，推薦專(zhuān)家對(duì)疑似謠言進(jìn)行鑒別。

研究人員的框架主要包括3個(gè)階段的工作：

1. 謠言發(fā)布早期，通過(guò)用戶(hù)舉報(bào)和對(duì)可疑用戶(hù)的監(jiān)控建立疑似謠言的集合。一方面，將疑似謠言和謠言庫(kù)中進(jìn)行比對(duì);另一方面, 對(duì)于在謠言庫(kù)中沒(méi)有匹配內(nèi)容的謠言，通過(guò)查詢(xún)?cè)擃I(lǐng)域的專(zhuān)家?guī)?，推薦若干專(zhuān)家對(duì)該疑似謠言進(jìn)行鑒別。

2. 謠言發(fā)布中期，通過(guò)自然語(yǔ)言處理技術(shù)分析疑似謠言的評(píng)論信息，通過(guò)社會(huì)網(wǎng)絡(luò)分析技術(shù)分析疑似謠言的傳播模式，判定該信息是否為謠言。

3. 謠言發(fā)布后期，對(duì)于判定為謠言的信息, 將其加入謠言庫(kù);對(duì)信息發(fā)布人進(jìn)行可信性分析，確定其信用等級(jí)，將信用等級(jí)低于一定閾值的用戶(hù)加入可疑用戶(hù)庫(kù)，在一段時(shí)間內(nèi)對(duì)其發(fā)布的微博內(nèi)容進(jìn)行監(jiān)控;對(duì)信息舉報(bào)人和評(píng)論人進(jìn)行專(zhuān)家發(fā)現(xiàn)，充實(shí)和更新該信息相關(guān)的知識(shí)領(lǐng)域的專(zhuān)家?guī)臁?/p>

當(dāng)然，目前這一切還處于理論研究階段，而建立可以用戶(hù)庫(kù)也需要以網(wǎng)站更嚴(yán)格地執(zhí)行實(shí)名制為前提。用大數(shù)據(jù)、人工智能去對(duì)付謠言，前提是需要很多人交出更多的隱私，你愿意嗎?

以上文章引用自論文《中文社交媒體謠言統(tǒng)計(jì)語(yǔ)義分析》

來(lái)源：PingWest

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來(lái)源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來(lái)源：數(shù)據(jù)猿”與作者名稱(chēng)，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。