谣言检测论文分享（六）（基于监督学习的特征方法信息可信度）Information Credibility on Twitter

本文专注于评估给定tweet集可信度的自动方法，主要目标是确定是否可以自动评估Twitter上发布的内容的可信度水平。我们的主要假设是，在社交媒体环境本身存在可用的信号，使用户能够评估信息的可信性。在这种情况下，们将社交媒体可信度定义为信息可信度的方面，可以仅使用社交媒体平台中可用的信息进行评估

本文方法是基于监督学习的，

1. 建立一个数据集来研究Twitter的可信度。首先，通过研究活动的突发性，提取一组相关的讨论主题；
2. 然后，一组人工评估人员根据每个主题是否对应于有新闻价值的信息/事件或非正式对话对其进行标记。数据集创建后，前一类中的每个项目都由另一组评委评估其可信度水平。
3. 再从每个带标签的主题中提取相关特征，并使用它们构建一个分类器，该分类器试图自动确定一个主题是否对应于有新闻价值的信息/事件，然后自动评估其可信度水平。

数据收集

自动事件检测

本文使用Twitter Monitor[18]7在2个月内检测到的Twitter事件。Twitter Monitor是一个在线监控系统，可以检测到在消息中发现的关键字组频率的急剧增加(“爆发”)。