Как машинное обучение может бороться с распространением «фейковых новостей»
Итак, выборы закончились, и американский народ сходит с похмелья. Независимо от того, какую сторону вы поддерживали, все согласятся с тем, что социальные сети сыграли беспрецедентную роль в распространении новостей в массы. Традиционный новостной цикл был заменен эхо-камерами, усиленными алгоритмами персонализации социальных сетей.
Хотя персонализация — прекрасный инструмент для представления релевантного контента, до выборов никто не мог предположить, как фактически неверные или «фейковые новости» поведут себя в эхо-камере.
Будучи компанией, которая посвятила много времени персонализации и машинному обучению, мы хотели поделиться несколькими идеями о том, как Facebook и другие платформы социальных сетей могут помочь в борьбе с распространением «фейковых новостей», чтобы «мы» как коллективное целое могли лучше информирован.
Дайте своим пользователям возможность сообщать о «фейковых новостях»
Сообщество Facebook — это удивительный актив, который может сыграть важную роль в выявлении фейковых новостей. В Facebook уже есть функция «Сообщить о публикации», поэтому, если они добавят еще одну опцию в «Сообщить о неточной информации», это даст пользователям возможность сообщать о любых новостях, которые не проходят общий тест на обнюхивание.
Комментарии пользователей похожи на дымовые сигналы
Следующий способ выявления сомнительных новостных статей — применить семантический анализ к комментариям пользователей. Многочисленные вхождения вокруг ключевых слов, связанных с «мошенническими», «фальшивыми» или «неточными», были бы простым способом сузить подмножество статей, которые необходимо проверить.
Пусть машинное обучение сделает тяжелую работу
После проверки значительного подмножества «фейковых новостей» это подмножество будет использоваться в качестве золотого стандарта для обучения модели машинного обучения, чтобы понять, какие другие характеристики новостей (например, домены, авторы, организации, учетные записи Facebook) можно использовать для идентификации. как изолировать источники фейковых новостей. Это тот же подход, что и спам-фильтры, и компании-эмитенты кредитных карт выявляют мошеннические действия.
Когда этот шаг будет достигнут, существует высокая вероятность того, что фальшивые новости могут быть ограничены или даже остановлены у источника.
Информируйте своих пользователей
Если какая-то версия предыдущих шагов была предпринята, к этому моменту Facebook уже должен иметь хорошее представление о том, насколько надежна та или иная статья. Они могут не быть на 100% уверены, что статья является «фальшивой», но у них будет достаточно сигналов, чтобы определить оценку надежности. Мы рекомендуем отображать оценку надежности рядом с новостным сообщением. Таким образом, пользователь информируется о достоверности того, что он читает.
Мы в CogniK потратили последние 4 года на проектирование, создание и тонкую настройку рекомендательных систем для медиа-компаний. Мы надеемся, что эта статья поможет пролить свет на некоторые методы, которые можно использовать для решения этой проблемы.
Если вы хотите узнать больше, мы будем рады получить от вас письмо по адресу [email protected].
