2015C-CIKM-Detect Rumors Using Time Series of Social Context Information on Microblogging Websites

Detect Rumors Using Time Series of Social Context Information on Microblogging Websites（2015CIKM），JingMa

主要内容

提出一个动态时间序列结构模型（Dynamic Series-Time Structure model——DSTS），能够抓取多种社会上下文特征随时间流逝的变化。实验结果表明，在得知谣言完整生命周期的情况下，以及谣言扩散早期，DSTS都有较大的改进。

研究动机

现有的谣言检测方法大多基于与用户、信息内容和传播模式相关的特征的监督式的机器学习模型。这些模型的缺陷是他们将信息的社会内容的整体统计特征视为特征，如转发总数、传播的时间长，忽视了这些特征随时间的变化。

具体模型

• 基于DSTS的功能和带注释的数据集构建分类器——>考虑某个特定主题事件的整个生命周期，判断其是否是谣言；
• 考虑事件传播初期的数据，看模型是否有利于谣言早期检测。

1. 时间戳生成：将事件流离散生成时间戳
2. DSTS功能的构建（用到时间戳求特征斜率等）
3. 特征工程：考虑了基于内容、用户、传播等多种特征随时间变化的变化

实验

• 数据集

1. 推特—使用了castillo等人发布的公共数据集
2. 新浪微博—从新浪微博平台自己搜集