International Journal of Research Publication and Reviews

Fake News Detection on Social Media: A Data Mining Perspective

Kai Shu, Amy Sliva, Suhang Wang, Jiliang Tang\, and Huan Liu
Computer Science & Engineering, Arizona State University, Tempe, AZ, USA
Charles River Analytics, Cambridge, MA, USA
\Computer Science & Engineering, Michigan State University, East Lansing, MI, USA
{kai.shu,suhang.wang,huan.liu}@asu.edu, asliva@cra.com, \tangjili@msu.edu
DOI: 10.XXXX/XXXXXX
ABSTRACT

Social media for news consumption is a double-edged sword. On the one hand, its low cost, easy access, and rapid dissemination of information lead people to seek out and consume news from social media. On the other hand, it enables the wide spread of "fake news", i.e., low quality news with intentionally false information. The extensive spread of fake news has the potential for extremely negative impacts on individuals and society. Therefore, fake news detection on social media has recently become an emerging research that is attracting tremendous attention. Fake news detection on social media presents unique characteristics and challenges that make existing detection algorithms from traditional news media ineffective or not applicable. First, fake news is intentionally written to mislead readers to believe false information, which makes it difficult and nontrivial to detect based on news content; therefore, we need to include auxiliary information, such as user social engagements on social media, to help make a determination. Second, exploiting this auxiliary information is challenging in and of itself as users' social engagements with fake news produce data that is big, incomplete, unstructured, and noisy. Because the issue of fake news detection on social media is both challenging and relevant, we conducted this survey to further facilitate research on the problem. In this survey, we present a comprehensive review of detecting fake news on social media, including fake news characterizations on psychology and social theories, existing algorithms from a data mining perspective, evaluation metrics and representative datasets. We also discuss related research areas, open problems, and future research directions for fake news detection on social media.

Keywords: Fake News, Social Media, Data Mining, Machine Learning, Misinformation Detection.

1. Introduction

As an increasing amount of our lives is spent interacting online through social media platforms, more and more people tend to seek out and consume news from social media rather than traditional news organizations. The reasons for this change in consumption behaviors is inherent in the nature of these social media platforms: (i) it is often more timely and less expensive to consume news on social media compared with traditional news media, such as newspapers or television; and (ii) it is easier to further share, comment on, and discuss this news with friends or other readers on social media. For example, 62 percent of U.S. adults get news on social media in 2016, while in 2012, only 49 percent reported seeing news on social media1. It was also found that social media now outperforms television as the major news source2. Despite the advantages provided by social media, the quality of news on social media is lower than traditional news organizations. However, because it is cheap to provide news online and much faster and easier to disseminate through social media, large volumes of fake news, i.e., those news articles with intentionally false information, are produced online for a variety of purposes, such as financial and political gain. It was estimated that over 1 million tweets are related to fake news "Pizzagate"3 by the end of the presidential election. Given the prevalence of this new phenomenon, the word "Fake news" was even named the word of the year by the Macquarie dictionary in 2016.

The extensive spread of fake news can have a serious negative impact on individuals and society. First, fake news can break the authenticity balance of the news ecosystem. For example, it is evident that the most popular fake news was even more widely spread on Facebook than the most popular authentic mainstream news during the U.S. 2016 president election4. Second, fake news intentionally persuades consumers to accept biased or false beliefs. Fake news is usually manipulated by propagandists to convey political messages or influence. For example, reports show that Russia has created fake accounts and social bots to spread false stories5. Third, fake news changes the way people interpret and respond to real news. For example, some fake news was just created to trigger people's distrust and make them confused, impeding their ability to differentiate what is true from what is not6. To help mitigate the negative effects caused by fake news–both to benefit the public and the news ecosystem–is critical that we develop methods to automatically detect fake news on social media.

Detecting fake news on social media poses several new and challenging research problems. Though fake news itself is not a new problem–nations or groups have been using the news media to execute propaganda or influence operations for centuries–the rise of web-generated news on social media makes fake news a more powerful force that challenges traditional journalistic norms. There are several characteristics of this problem that make it uniquely challenging for automated detection. First, fake news is intentionally written to mislead readers, which makes it nontrivial to detect simply based on news content. The content of fake news is rather diverse in terms of topics, styles and media platforms, and fake news attempts to distort truth with diverse linguistic styles while simultaneously mocking true news. For example, fake news may cite true evidence within the incorrect context to support a non-factual claim [22]. Thus, existing hand-crafted and data-specific textual features are generally not sufficient for fake news detection. Other auxiliary information must also be applied to improve detection, such as knowledge base and user social engagements. Second, exploiting this auxiliary information actually leads to another critical challenge: the quality of the data itself. Fake news is usually related to newly emerging, time-critical events, which may not have been properly verified by existing knowledge bases due to the lack of corroborating evidence or claims. In addition, users' social engagements with fake news produce data that is big, incomplete, unstructured, and noisy [79]. Even though people demonstrate different types of reactions to true news and fake news [18], methods for capturing useful behavioral patterns and extracting corresponding features from are an open area of research. Moreover, the credibility of noisy social media posts brings additional challenges for assessing the veracity of fake news [11].

In this article, we present an overview of fake news detection and discuss promising research directions. The key motivations of this survey are summarized as follows:

To facilitate research in fake news detection on social media, in this survey we will review two aspects of the fake news detection problem: characterization and detection. As shown in Figure 1, we will first describe the background of the fake news detection problem using theories and properties from psychology and social studies; then we present the detection approaches. Our major contributions of this survey are summarized as follows:

The remainder of this survey is organized as follows. In Section 2, we present the definition of fake news and characterize it by comparing different theories and properties in both traditional and social media. In Section 3, we continue to formally define the fake news detection problem and summarize the methods to detect fake news. In Section 4, we discuss the datasets and evaluation metrics used by existing methods. We briefly introduce areas related to fake news detection on social media in Section 5. Finally, we discuss the open issues and future directions in Section 6 and conclude this survey in Section 7.

Fake news on social media: from characterization to detection
Fig. 1 Fake news on social media: from characterization to detection

2. Fake News Characterization

In this section, we introduce the basic social and psychological theories related to fake news and discuss more advanced patterns introduced by social media. Specifically, we first discuss various definitions of fake news and differentiate related concepts that are usually misunderstood as fake news. We then describe different aspects of fake news on traditional media as well as the new patterns found on social media.

2.1 Definitions of Fake News

Fake news has existed for a very long time, nearly the same amount of time as news began to circulate widely after the printing press was invented in 14397. However, there is no agreed definition of the term "fake news". Therefore, we first discuss and compare some widely used definitions of fake news in the existing literature, and provide our definition of fake news that will be used for the remainder of this survey.

A narrow definition of fake news is news articles that are intentionally and verifiably false and could mislead readers [2]. There are two key features of this definition: authenticity and intent. First, fake news includes false information that can be verified as such. Second, fake news is created with dishonest intention to mislead consumers. This definition has been widely adopted in recent studies [57; 17; 62; 41].

Broader definitions of fake news focus on the either authenticity or intent of the news content. Some papers regard satire news as fake news since the contents are false even though satire is often entertainment-oriented and reveals its own deceptiveness to the consumers [67; 4; 37; 9]. Other literature directly treats deceptive news as fake news [66], which includes serious fabrications, hoaxes, and satires.

Definition 1 (Fake News) Fake news is a news article that is intentionally and verifiably false.

In this article, we use the narrow definition of fake news. Formally, we state this definition as Definition 1. The reasons for choosing this narrow definition are threefolds. First, the underlying intent of fake news provides both theoretical and practical value that enables a deeper understanding and analysis of this topic. Second, any techniques for truth verification that apply to the narrow conception of fake news can also be applied to under the broader definition. Third, this definition is able to eliminate the ambiguities between fake news and related concepts that are not considered in this article. The following concepts are not fake news according to our definition: (1) satire news with proper context, which has no intent to mislead or deceive consumers and is unlikely to be mis-perceived as factual; (2) rumors that did not originate from news events; (3) conspiracy theories, which are difficult verify as true or false; (4) misinformation that is created unintentionally; and (5) hoaxes that are only motivated by fun or to scam targeted individuals.

2.2 Fake News on Traditional News Media

Fake news itself is not a new problem. The media ecology of fake news has been changing over time from newsprint to radio/television and, recently, online news and social media. We denote "traditional fake news" as the fake news problem before social media had important effects on its production and dissemination. Next, we will describe several psychological and social science foundations that describe the impact of fake news at both the individual and social information ecosystem levels.

Psychological Foundations of Fake News

Humans are naturally not very good at differentiating between real and fake news. There are several psychological and cognitive theories that can explain this phenomenon and the influential power of fake news. Traditional fake news mainly targets consumers by exploiting their individual vulnerabilities. There are two major factors which make consumers naturally vulnerable to fake news: (i) Naïve Realism: consumers tend to believe that their perceptions of reality are the only accurate views, while others who disagree are regarded as uninformed, irrational, or biased [92]; and (ii) Confirmation Bias: consumers prefer to receive information that confirms their existing views [58]. Due to these cognitive biases inherent in human nature, fake news can often be perceived as real by consumers. Moreover, once the misperception is formed, it is very hard to correct it. Psychology studies shows that correction of false information (e.g., fake news) by the presentation of true, factual information is not only unhelpful to reduce misperceptions, but sometimes may even increase the misperceptions, especially among ideological groups [59].

Social Foundations of the Fake News Ecosystem

Considering the entire news consumption ecosystem, we can also describe some of the social dynamics that contribute to the proliferation of fake news. Prospect theory describes decision making as a process by which people make choices based on the relative gains and losses as compared to their current state [39; 81]. This desire for maximizing the reward of a decision applies to social gains as well, for instance, continued acceptance by others in a user's immediate social network. As described by social identity theory [76; 77] and normative influence theory [3; 40], this preference for social acceptance and affirmation is essential to a person's identity and self-esteem, making users likely to choose "socially safe" options when consuming and disseminating news information, following the norms established in the community even if the news being shared is fake news.

This rational theory of fake news interactions can be modeled from an economic game theoretical perspective [26] by formulating the news generation and consumption cycle as a two-player strategy game. For explaining fake news, we assume there are two kinds of key players in the information ecosystem: publisher and consumer. The process of news publishing is modeled as a mapping from original signal s to resultant news report a with an effect of distortion bias b, i.e., s b→ a, where b = [−1, 0, 1] indicates [left, no, right] biases take effects on news publishing process. Intuitively, this is capturing the degree to which a news article may be biased or distorted to produce fake news. The utility for the publisher stems from two perspectives: (i) short-term utility: the incentive to maximize profit, which is positively correlated with the number of consumers reached; (ii) long-term utility: their reputation in terms of news authenticity. Utility of consumers consists of two parts: (i) information utility: obtaining true and unbiased information (usually extra investment cost needed); (ii) psychology utility: receiving news that satisfies their prior opinions and social needs, e.g., confirmation bias and prospect theory. Both publisher and consumer try to maximize their overall utilities in this strategy game of the news consumption process. In this model, we can capture the fact that fake news happens when the short-term utility dominates a publisher's overall utility and psychology utility dominates the consumer's overall utility, and an equilibrium is maintained. This explains the social dynamics that lead to an information ecosystem where fake news can thrive.

2.3 Fake News on Social Media

In this subsection, we will discuss some unique characteristics of fake news on social media. Specifically, we will highlight the key features of fake news that are enabled by social media. Note that the aforementioned characteristics of traditional fake news are also applicable to social media.

Malicious Accounts on Social Media for Propaganda

While many users on social media are legitimate, social media users may also be malicious, and in some cases are not even real humans. The low cost of creating social media accounts also encourages malicious user accounts, such as social bots, cyborg users, and trolls. A social bot refers to a social media account that is controlled by a computer algorithm to automatically produce content and interact with humans (or other bot users) on social media [23]. Social bots can become malicious entities designed specifically with the purpose to do harm, such as manipulating and spreading fake news on social media. Studies shows that social bots distorted the 2016 U.S. presidential election online discussions on a large scale [6], and that around 19 million bot accounts tweeted in support of either Trump or Clinton in the week leading up to election day8. Trolls, real human users who aim to disrupt online communities and provoke consumers into an emotional response, are also playing an important role in spreading fake news on social media. For example, evidence suggests that there were 1,000 paid Russian trolls spreading fake news on Hillary Clinton9. Trolling behaviors are highly affected by people's mood and the context of online discussions, which enables the easy dissemination of fake news among otherwise "normal" online communities [14]. The effect of trolling is to trigger people's inner negative emotions, such as anger and fear, resulting in doubt, distrust, and irrational behavior. Finally, cyborg users can spread fake news in a way that blends automated activities with human input. Usually cyborg accounts are registered by human as a camouflage and set automated programs to perform activities in social media. The easy switch of functionalities between human and bot offers cyborg users unique opportunities to spread fake news [15]. In a nutshell, these highly active and partisan malicious accounts on social media become the powerful sources and proliferation of fake news.

Echo Chamber Effect

Social media provides a new paradigm of information creation and consumption for users. The information seeking and consumption process are changing from a mediated form (e.g., by journalists) to a more disinter-mediated way [19]. Consumers are selectively exposed to certain kinds of news because of the way news feed appear on their homepage in social media, amplifying the psychological challenges to dispelling fake news identified above. For example, users on Facebook always follow like-minded people and thus receive news that promote their favored existing narratives [65]. Therefore, users on social media tend to form groups containing like-minded people where they then polarize their opinions, resulting in an echo chamber effect. The echo chamber effect facilitates the process by which people consume and believe fake news due to the following psychological factors [60]: (1) social credibility, which means people are more likely to perceive a source as credible if others perceive the source is credible, especially when there is not enough information available to access the truthfulness of the source; and (2) frequency heuristic, which means that consumers may naturally favor information they hear frequently, even if it is fake news. Studies have shown that increased exposure to an idea is enough to generate a positive opinion of it [100; 101], and in echo chambers, users continue to share and consume the same information. As a result, this echo chamber effect creates segmented, homogeneous communities with a very limited information ecosystem. Research shows that the homogeneous communities become the primary driver of information diffusion that further strengthens polarization [18].

3. Fake News Detection

In the previous section, we introduced the conceptual characterization of traditional fake news and fake news in social media. Based on this characterization, we further explore the problem definition and proposed approaches for fake news detection.

3.1 Problem Definition

In this subsection, we present the details of mathematical formulation of fake news detection on social media. Specifically, we will introduce the definition of key components of fake news and then present the formal definition of fake news detection. The basic notations are defined below:

Definition 2 (Fake News Detection) Given the social news engagements E among n users for news article a, the task of fake news detection is to predict whether the news article a is a fake news piece or not, i.e., F : E → {0, 1} such that:
F(a) = {
    1, if a is a piece of fake news,
    0, otherwise.
}
where F is the prediction function we want to learn.

Note that we define fake news detection as a binary classification problem for the following reason: fake news is essentially a distortion bias on information manipulated by the publisher. According to previous research about media bias theory [26], distortion bias is usually modeled as a binary classification problem.

Next, we propose a general data mining framework for fake news detection which includes two phases: (i) feature extraction and (ii) model construction. The feature extraction phase aims to represent news content and related auxiliary information in a formal mathematical structure, and model construction phase further builds machine learning models to better differentiate fake news and real news based on the feature representations.

3.2 Feature Extraction

Fake news detection on traditional news media mainly relies on news content, while in social media, extra social context auxiliary information can be used to as additional information to help detect fake news. Thus, we will present the details of how to extract and represent useful features from news content and social context.

3.2.1 News Content Features

News content features ca describe the meta information related to a piece of news. A list of representative news content attributes are listed below:

Based on these raw content attributes, different kinds of feature representations can be built to extract discriminative characteristics of fake news. Typically, the news content we are looking at will mostly be linguistic-based and visual-based, described in more detail below.

Linguistic-based: Since fake news pieces are intentionally created for financial or political gain rather than to report objective claims, they often contain opinionated and inflammatory language, crafted as "clickbait" (i.e., to entice users to click on the link to read the full article) or to incite confusion [13]. Thus, it is reasonable to exploit linguistic features that capture the different writing styles and sensational headlines to detect fake news. Linguistic-based features are extracted from the text content in terms of document organizations from different levels, such as characters, words, sentences, and documents. In order to capture the different aspects of fake news and real news, existing work utilized both common linguistic features and domain-specific linguistic features. Common linguistic features are often used to represent documents for various tasks in natural language processing. Typical common linguistic features are: (i) lexical features, including character-level and word-level features, such as total words, characters per word, frequency of large words, and unique words; (ii) syntactic features, including sentence-level features, such as frequency of function words and phrases (i.e., "n-grams" and bag-of-words approaches [24]) or punctuation and parts-of-speech (POS) tagging. Domain-specific linguistic features, which are specifically aligned to news domain, such as quoted words, external links, number of graphs, and the average length of graphs, etc [62]. Moreover, other features can be specifically designed to capture the deceptive cues in writing styles to differentiate fake news, such as lying-detection features [1].

Visual-based: Visual cues have been shown to be an important manipulator for fake news propaganda10. As we have characterized, fake news exploits the individual vulnerabilities of people and thus often relies on sensational or even fake images to provoke anger or other emotional response of consumers. Visual-based features are extracted from visual elements (e.g. images and videos) to capture the different characteristics for fake news. Faking images were identified based on various user-level and tweet-level hand-crafted features using classification framework [28]. Recently, various visual and statistical features has been extracted for news verification [38]. Visual features include clarity score, coherence score, similarity distribution histogram, diversity score, and clustering score. Statistical features include count, image ratio, multi-image ratio, hot image ratio, long image ratio, etc.

3.2.2 Social Context Features

In addition to features related directly to the content of the news articles, additional social context features can also be derived from the user-driven social engagements of news consumption on social media platform. Social engagements represent the news proliferation process over time, which provides useful auxiliary information to infer the veracity of news articles. Note that few papers exist in the literature that detect fake news using social context features. However, because we believe this is a critical aspect of successful fake news detection, we introduce a set of common features utilized in similar research areas, such as rumor veracity classification on social media. Generally, there are three major aspects of the social media context that we want to represent: users, generated posts, and networks. Below, we investigate how we can extract and represent social context features from these three aspects to support fake news detection.

User-based: As we mentioned in Section 2.3, fake news pieces are likely to be created and spread by non-human accounts, such as social bots or cyborgs. Thus, capturing users' profiles and characteristics by user-based features can provide useful information for fake news detection. User-based features represent the characteristics of those users who have interactions with the news on social media. These features can be categorized across different levels: individual level and group level. Individual level features are extracted to infer the credibility and reliability for each user using various aspects of user demographics, such as registration age, number of followers/followees, number of tweets the user has authored, etc [11]. Group level user features capture overall characteristics of groups of users related to the news [99]. The assumption is that the spreaders of fake news and real news may form different communities with unique characteristics that can be depicted by group level features. Commonly used group level features come from aggregating (e.g., averaging and weighting) individual level features, such as '% of verified users' and 'average number of followers' [49; 42].

Post-based: People express their emotions or opinions towards fake news through social media posts, such as skeptical opinions, sensational reactions, etc. Thus, it is reasonable to extract post-based features to help find potential fake news via reactions from the general public as expressed in posts. Post-based features focus on identifying useful information to infer the veracity of news from various aspects of relevant social media posts. These features can be categorized as post level, group level, and temporal level. Post level features generate feature values for each post. The aforementioned linguistic-based features and some embedding approaches [69] for news content can also be applied for each post. Specifically, there are unique features for posts that represent the social response from general public, such as stance, topic, and credibility. Stance features (or viewpoints) indicate the users' opinions towards the news, such as supporting, denying, etc [37]. Topic features can be extracted using topic models, such as latent Dirichlet allocation (LDA) [49]. Credibility features for posts assess the degree of reliability [11]. Group level features aim to aggregate the feature values for all relevant posts for specific news articles by using "wisdom of crowds". For example, the average credibility scores are used to evaluate the credibility of news [37]. A more comprehensive list of group-level post features can also be found in [11]. Temporal-level post features consider the temporal variations of post-level feature values [49]. Unsupervised embedding methods, such as recurrent neural network (RNN), are utilized to capture the changes in posts over time [69; 48]. Based on the shape of this time series for various metrics of relevant posts (e.g, number of posts), mathematical features can be computed, such as SpikeM parameters [42].

Network-based: Users form different networks on social media in terms of interests, topics, and relations. As mentioned before, fake news dissemination processes tend to form an echo chamber cycle, highlighting the value of extracting network-based features to represent these types of network patterns for fake news detection. Network-based features are extracted via constructing specific networks among the users who published related social media posts. Different types of networks can be constructed. The stance network can be built with nodes indicating all the tweets relevant to the news and the edge indicating the weights of similarity of stances [37; 75]. Another type of network is the co-occurrence network, which is built based on the user engagements by counting whether those users write posts relevant to the same news articles [69]. In addition, the friendship network indicates the following/followee structure of users who post related tweets [42]. An extension of this friendship network is the diffusion network, which tracks the trajectory of the spread of news [42], where nodes represent the users and edges represent the information diffusion paths among them. That is, a diffusion path between two users ui and uj exists if and only if (1) uj follows ui, and (2) uj posts about a given news only after ui does so. After these networks are properly built, existing network metrics can be applied as feature representations. For example, degree and clustering coefficient have been used to characterize the diffusion network [42] and friendship network [42]. A more advanced approach to extracted network-based features is to learn the latent node embeddings by using SVD [69] or network propagation algorithms [37].

3.3 Model Construction

In the previous section, we introduced features extracted from different sources, i.e., news content and social context, for fake news detection. In this section, we discuss the details of the model construction process for several existing approaches. Specifically we categorize existing methods based on their main input sources as: News Content Models and Social Context Models.

3.3.1 News Content Models

In this subsection, we focus on news content models, which mainly rely on news content features and existing factual sources to classify fake news. Specifically, existing approaches can be categorized as Knowledge-based and Style-based.

Knowledge-based: Since fake news attempts to spread false claims in news content, the most straightforward means of detecting it is to check the truthfulness of major claims in a news article to decide the news veracity. Knowledge-based approaches aim to use external sources to fact-check proposed claims in news content. The goal of fact-checking is to assign a truth value to a claim in a particular context [83]. Fact-checking has attracted increasing attention, and many efforts have been made to develop a feasible automated fact-checking system. Existing fact-checking approaches can be categorized as expert-oriented, crowdsourcing-oriented, and computational-oriented.

Style-based: Fake news publishers often have malicious intent to spread distorted and misleading information and influence large communities of consumers, requiring particular writing styles necessary to appeal to and persuade a wide scope of consumers that is not seen in true news articles. Style-based approaches try to detect fake news by capturing the manipulators in the writing style of news content. There are mainly two typical categories of style-based methods: Deception-oriented and Objectivity-oriented.

3.3.2 Social Context Models

The nature of social media provides researchers with additional resources to supplement and enhance News Content Models. Social context models include relevant user social engagements in the analysis, capturing this auxiliary information from a variety of perspectives. We can classify existing approaches for social context modeling into two categories: Stance-based and Propagation-based. Note that very few existing fake news detection approaches have utilized social context models. Thus, we also introduce similar methods for rumor detection using social media, which have potential application for fake news detection.

Stance-based: Stance-based approaches utilize users' viewpoints from relevant post contents to infer the veracity of original news articles. The stance of users' posts can be represented either explicitly or implicitly. Explicit stances are direct expressions of emotion or opinion, such as the "thumbs up" and "thumbs down" reactions expressed in Facebook. Implicit stances can be automatically extracted from social media posts. Stance detection is the task of automatically determining from a post whether the user is in favor of, neutral toward, or against some target entity, event, or idea [53]. Previous stance classification methods mainly rely on hand-crafted linguistic or embedding features on individual posts to predict stances [53; 64]. Topic model methods, such as latent dirichlet allocation (LDA) can be applied to learn latent stance from topics [37]. Using these methods, we can infer the news veracity based on the stance values of relevant posts. Tacchini et al. proposed to construct a bipartite network of user and Facebook posts using the "like" stance information [75]; based on this network, a semi-supervised probabilistic model was used to predict the likelihood of Facebook posts being hoaxes. Jin et al. explored topic models to learn latent viewpoint values and further exploited these viewpoints to learn the credibility of relevant posts and news content [37].

Propagation-based: Propagation-based approaches for fake news detection reason about the interrelations of relevant social media posts to predict news credibility. The basic assumption is that the credibility of a news event is highly related to the credibilities of relevant social media posts. Both homogeneous and heterogeneous credibility networks can be built for propagation process. Homogeneous credibility networks consist of a single type of entities, such as post or event [37]. Heterogeneous credibility networks involve different types of entities, such as posts, sub-events, and events [36; 29]. Gupta et al. proposed a PageRank-like credibility propagation algorithm by encoding users' credibilities and tweets' implications on a three layer user-tweet-event heterogeneous information network. Jin et al. proposed to include news aspects (i.e., latent sub-events), build a three-layer hierarchical network, and utilize a graph optimization framework to infer event credibilities. Recently, the conflicting viewpoint relationships are included to build a homogeneous credibility network among tweets and guide the process to evaluate their credibilities [37].

4. Assessing Detection Efficacy

In this section, we discuss how to assess the performance of algorithms for fake news detection. We focus on the available datasets and evaluation metrics for this task.

4.1 Datasets

Online news can be collected from different sources, such as news agency homepages, search engines, and social media websites. However, manually determining the veracity of news is a challenging task, usually requiring annotators with domain expertise who performs careful analysis of claims and additional evidence, context, and reports from authoritative sources. Generally, news data with annotations can be gathered in the following ways: Expert journalists, Fact-checking websites, Industry detectors, and Crowdsourced workers. However, there are no agreed upon benchmark datasets for the fake news detection problem. Some publicly available datasets are listed below:

In Table 1, we compare these public fake news detection datasets, highlighting the features that can be extracted from each dataset. We can see that no existing public dataset can provide all possible features of interest. In addition, these datasets also have specific limitation that make them challenging to use for fake news detection. BuzzFeedNews only contains headlines and text for each news piece and covers news articles from very few news agencies. LIAR includes mostly short statements, rather than the entire news content. Further, these statements are collected from various speakers, rather than news publishers, and may include some claims that are not fake news. BS Detector data is collected and annotated by using a developed news veracity checking tool. As the labels have not been properly validated by human experts, any model trained on this data is really learning the parameters of BS Detector, rather than expert-annotated ground truth fake news. Finally, CREDBANK was originally collected for tweet credibility assessment, so the tweets in this dataset are not really the social engagements for specific news articles.

To address the disadvantages of existing fake news detection datasets, we have an ongoing project to develop a usable dataset for fake news detection on social media. This dataset, called FakeNewsNet20, includes all mentioned news content and social context features with reliable ground truth fake news labels.

DatasetFeaturesNews ContentSocial ContextDescription
BuzzFeedNewsLinguistic1,627 articles from 9 news agencies during 2016 U.S. election
LIARLinguistic12,836 human-labeled short statements from PolitiFact
BS DetectorLinguisticCollected from a browser extension for checking news veracity
CREDBANKLinguistic, Visual, User, Post, Network60 million tweets covering over 1,000 news events
Table 1: Comparison of Fake News Detection Datasets.

4.2 Evaluation Metrics

To evaluate the performance of algorithms for fake news detection problem, various evaluation metrics have been used. In this subsection, we review the most widely used metrics for fake news detection. Most existing approaches consider the fake news problem as a classification problem that predicts whether a news article is fake or not:

By formulating this as a classification problem, we can define following metrics:

Precision = |TP| / (|TP| + |FP|)
Recall = |TP| / (|TP| + |FN|)
F1 = 2 · (Precision · Recall) / (Precision + Recall)
Accuracy = (|TP| + |TN|) / (|TP| + |TN| + |FP| + |FN|)

These metrics are commonly used in the machine learning community and enable us to evaluate the performance of a classifier from different perspectives. Specifically, accuracy measures the similarity between predicted fake news and real fake news. Precision measures the fraction of all detected fake news that are annotated as fake news, addressing the important problem of identifying which news is fake. However, because fake news datasets are often skewed, a high precision can be easily achieved by making fewer positive predictions. Thus, recall is used to measure the sensitivity, or the fraction of annotated fake news articles that are predicted to be fake news. F1 is used to combine precision and recall, which can provide an overall prediction performance for fake news detection. Note that for Precision, Recall, F1, and Accuracy, the higher the value, the better the performance.

The Receiver Operating Characteristics (ROC) curve provides a way of comparing the performance of classifiers by looking at the trade-off in the False Positive Rate (FPR) and the True Positive Rate (TPR). To draw the ROC curve, we plot the FPR on the x axis and and TPR along the y axis. The ROC curve compares the performance of different classifiers by changing class distributions via a threshold. TPR and FPR are defined as follows (note that TPR is the same as recall defined above):

TPR = |TP| / (|TP| + |FN|)
FPR = |FP| / (|FP| + |TN|)

Based on the ROC curve, we can compute the Area Under the Curve (AUC) value, which measures the overall performance of how likely the classifier is to rank the fake news higher than any true news. Based on [30], AUC is defined as below.

AUC = (Σ(ri) - n0(n0 + 1)/2) / (n0n1)

where ri is the rank of ith fake news piece and n0 (n1) is the number of fake (true) news pieces. It is worth mentioning that AUC is more statistically consistent and more discriminating than accuracy [47], and it is usually applied in an imbalanced classification problem, such as fake news classification, where the number of ground truth fake news articles and and true news articles have a very imbalanced distribution.

Future directions and open issues for fake news detection on social media
Fig. 2 Future directions and open issues for fake news detection on social media

5. Related Areas

In this section, we further discuss areas that are related to the problem of fake news detection. We aim to point out the differences between these areas and fake news detection by briefly explaining the task goals and highlighting some popular methods.

5.1 Rumor Classification

A rumor can usually be defined as "a piece of circulating information whose veracity status is yet to be verified at the time of spreading" [102]. The function of a rumor is to make sense of an ambiguous situation, and the truthfulness value could be true, false or unverified. Previous approaches for rumor analysis focus on four subtasks: rumor detection, rumor tracking, stance classification, and veracity classification [102]. Specifically, rumor detection aims to classify a piece of information as rumor or non-rumor [96; 70]; rumor tracking aims to collect and filter posts discussing specific rumors; rumor stance classification determines how each relevant post is oriented with respect to the rumor's veracity; veracity classification attempts to predict the actual truth value of the rumor. The most related task to fake news detection is the rumor veracity classification. Rumor veracity classification relies heavily on the other subtasks, requiring the stances or opinions can be extracted from relevant posts. These posts are considered as important sensors for determining the veracity of the rumor. Different from rumors, which may include long-term rumors, such as conspiracy theories, as well as short-term emerging rumors, fake news refers to information related specifically to public news events that can be verified as false.

5.2 Truth Discovery

Truth discovery is the problem of detecting true facts from multiple conflicting sources [46]. Truth discovery methods do not explore the fact claims directly, but rely on a collection of contradicting sources that record the properties of objects to determine the truth value. Truth discovery aims to determine the source credibility and object truthfulness at the same time. The fake news detection problem can benefit from various aspects of truth discovery approaches under different scenarios. First, the credibility of different news outlets can be modeled to infer the truthfulness of reported news. Second, relevant social media posts can also be modeled as social response sources to better determine the truthfulness of claims [56; 93]. However, there are some other issues that must be considered to apply truth discovery to fake news detection in social media scenarios. First, most existing truth discovery methods focus on handling structured input in the form of Subject-Predicate-Object (SPO) tuples, while social media data is highly unstructured and noisy. Second, truth discovery methods can not be well applied when a fake news article is newly launched and published by only a few news outlets because at that point there is not enough social media posts relevant to it to serve as additional sources.

5.3 Clickbait Detection

Clickbait is a term commonly used to describe eye-catching and teaser headlines in online media. Clickbait headlines create a so-called "curiosity gap", increasing the likelihood that reader will click the target link to satisfy their curiosity. Existing clickbait detection approaches utilize various linguistic features extracted from teaser messages, linked webpages, and tweet meta information [12; 8; 63]. Different types of clickbait are categorized, and some of them are highly correlated with non-factual claims [7]. The underlying motivation of clickbait is usually for click-through rates and the resultant advertising revenue. Thus, the body text of clickbait articles are often informally organized and poorly reasoned. This discrepancy has been used by researchers to identify the inconsistency between headlines and news contents in an attempt to detect fake news articles21. Even though not all fake news may include clickbait headlines, specific clickbait headlines could serve as an important indicator, and various features can be utilized to help detect fake news.

5.4 Spammer and Bot Detection

Spammer detection on social media, which aims to capture malicious users that coordinate among themselves to launch various attacks, such as spreading ads, disseminating pornography, delivering viruses, and phishing [44], has recently attracted wide attention. Existing approaches for social spammer detection mainly rely on extracting features from user activities and social network information [35; 95; 33; 34]. In addition, the rise of social bots has also increased the circulation of false information as they automatically retweet posts without verifying the facts [23]. The major challenge brought by social bots is that they can give a false impression that information is highly popular and endorsed by many people, which enables the echo chamber effect for the propagation of fake news. Previous approaches for bot detection are based on social network information, crowdsourcing, and discriminative features [23; 55; 54]. Thus, both spammer and social bots could provide insights about target specific malicious social media accounts that can be used for fake news detection.

6. Open Issues and Future Research

In this section, we present some open issues in fake news detection and future research directions. Fake news detection on social media is a newly emerging research area, so we aim to point out promising research directions from a data mining perspective. Specifically, as shown in Figure 2, we outline the research directions in four categories: Data-oriented, Feature-oriented, Model-oriented and Application-oriented.

6.1 Data-oriented

Data-oriented fake news research is focusing on different kinds of data characteristics, such as: dataset, temporal and psychological. From a dataset perspective, we demonstrated that there is no existing benchmark dataset that includes resources to extract all relevant features. A promising direction is to create a comprehensive and large-scale fake news benchmark dataset, which can be used by researchers to facilitate further research in this area. From a temporal perspective, fake news dissemination on social media demonstrates unique temporal patterns different from true news. Along this line, one interesting problem is to perform early fake news detection, which aims to give early alerts of fake news during the dissemination process. For example, this approach could look at only social media posts within some time delay of the original post as sources for news verification [37]. Detecting fake news early can help prevent further propagation on social media. From a psychological perspective, different aspects of fake news have been qualitatively explored in the social psychology literature [92; 58; 59], but quantitative studies to verify these psychological factors are rather limited. For example, the echo chamber effect plays an important role for fake news spreading in social media. Then how to capture echo chamber effects and how to utilize the pattern for fake news detection in social media could be an interesting investigation. Moreover, intention detection from news data is promising but limited as most existing fake news research focus on detecting the authenticity but ignore the intent aspect of fake news. Intention detection is very challenging as the intention is often explicitly unavailable. Thus, it's worth to explore how to use data mining methods to validate and capture psychology intentions.

6.2 Feature-oriented

Feature-oriented fake news research aims to determine effective features for detecting fake news from multiple data sources. We have demonstrated that there are two major data sources: news content and social context. From a news content perspective, we introduced linguistic-based and visual-based techniques to extract features from text information. Note that linguistic-based features have been widely studied for general NLP tasks, such as text classification and clustering, and specific applications such as author identification [32] and deception detection [22], but the underlying characteristics of fake news have not been fully understood. Moreover, embedding techniques, such as word embedding and deep neural networks, are attracting much attention for textual feature extraction, and has the potential to learn better representations [90; 87; 88]. In addition, visual features extracted from images are also shown to be important indicators for fake news [38]. However, very limited research has been done to exploit effective visual features, including traditional local and global features [61] and newly emerging deep network-based features [43; 89; 85], for the fake news detection problem. Recently, it has been shown that advanced tools can manipulate video footage of public figures [80], synthesize high quality videos [74], etc. Thus, it becomes much more challenging and important to differentiate real and fake visual content, and more advanced visual-based features are needed for this research. From a social context perspective, we introduced user-based, post-based, and network-based features. Existing user-based features mainly focus on general user profiles, rather than differentiating account types separately and extracting user-specific features. Post-based features can be represented using other techniques, such as convolutional neural networks (CNN) [69], to better capture people's opinions and reactions toward fake news. Images in social media posts can also be utilized to better understand users' sentiments [91] toward news events. Network-based features are extracted to represent how different types of networks are constructed. It is important to extend this preliminary work to explore (i) how other networks can be constructed in terms of different aspects of relationships among relevant users and posts; and (ii) other advanced methods of network representations, such as network embedding [78; 86].

6.3 Model-oriented

Model-oriented fake news research opens the door to building more effective and practical models for fake news detection. Most previously mentioned approaches focus on extracting various features, incorporating theses features into supervised classification models, such as naïve Bayes, decision tree, logistic regression, k nearest neighbor (KNN), and support vector machines (SVM), and then selecting the classifier that performs the best [62; 75; 1]. More research can be done to build more complex and effective models and to better utilize extracted features, such as aggregation methods, probabilistic methods, ensemble methods, or projection methods [73]. Specifically, we think there is some promising research in the following directions. First, aggregation methods combine different feature representations into a weighted form and optimize the feature weights. Second, since fake news may commonly mix true statements with false claims, it may make more sense to predict the likelihood of fake news instead of producing a binary value; probabilistic models predict a probabilistic distribution of class labels (i.e., fake news versus true news) by assuming a generative model that pulls from the same distribution as the original feature space [25]. Third, one of the major challenges for fake news detection is the fact that each feature, such as source credibility, news content style, or social response, has some limitations to directly predict fake news on its own. Ensemble methods build a conjunction of several weak classifiers to learn a strong classifier that is more successful than any individual classifier alone; ensembles have been widely applied to various applications in the machine learning literature [20]. It may be beneficial to build ensemble models as news content and social context features each have supplementary information that has the potential to boost fake news detection performance. Finally, fake news content or social context information may be noisy in the raw feature space; projection methods refer to approaches that lean projection functions to map between original feature spaces (e.g., news content features and social context features) and the latent feature spaces that maybe more useful for classification.

Moreover, most existing approaches are supervised, which requires a pre-annotated fake news ground truth dataset to train a model. However, obtaining a reliable fake news dataset is very time and labor intensive, as the process often requires expert annotators to perform careful analysis of claims and additional evidence, context, and reports from authoritative sources. Thus, it is also important to consider scenarios where limited or no labeled fake news pieces are available in which semi-supervised or unsupervised models can be applied. While the models created by supervised classification methods may be more accurate given a well-curated ground truth dataset for training, unsupervised models can be more practical because unlabeled datasets are easier to obtain.

6.4 Application-oriented

Application-oriented fake news research encompass research that goes into other areas beyond fake news detection. We propose two major directions along these lines: fake news diffusion and fake news intervention. Fake news diffusion characterizes the diffusion paths and patterns of fake news on social media sites. Some early research has shown that true information and misinformation follow different patterns when propagating in online social networks [18; 51]. Similarly, the diffusion of fake news in social media demonstrates its own characteristics that need further investigation, such as social dimensions, life cycle, spreader identification, etc. Social dimensions refer to the heterogeneity and weak dependency of social connections within different social communities. Users' perceptions of fake news pieces are highly affected by their like-minded friends in social media (i.e., echo chambers), while the degree differs along different social dimensions. Thus, it is worth exploring why and how different social dimensions play a role in spreading fake news in terms of different topics, such as political, education, sports, etc. The fake news diffusion process also has different stages in terms of people's attentions and reactions as time goes by, resulting in a unique life cycle. Research has shown that breaking news and in-depth news demonstrate different life cycles in social media [10]. Studying the life cycle of fake news will provide deeper understanding of how particular stories "go viral" from normal public discourse. Tracking the life cycle of fake news on social media requires recording essential trajectories of fake news diffusion in general [71], as well as further investigations of the process for specific fake news pieces, such as graph-based models and evolution-based models [27]. In addition, identifying key spreaders of fake news is crucial to mitigate the diffusion scope in social media. Note that key spreaders can be categorized in two ways, i.e., stance and authenticity. Along the stance dimensions, spreaders can either be (i) clarifiers, who propose skeptical and opposing viewpoints towards fake news and try to clarify them; or (ii) persuaders, who spread fake news with supporting opinions to persuade others to believe it. In this sense, it is important to explore how to detect clarifiers and persuaders and better use them to control the dissemination of fake news. From an authenticity perspective, spreaders could be either human, bot, or cyborg. Social bots have been used to intentionally spread fake news in social media, which motivates further research to better characterize and detect malicious accounts designed for propaganda.

Finally, we also propose further research into fake news intervention, which aims to reduce the effects of fake news by proactive intervention methods that minimize the spread scope or reactive intervention methods after fake news goes viral. Proactive fake news intervention methods try to (i) remove malicious accounts that spread fake news or fake news itself to isolate it from future consumers; (ii) immunize users with true news to change the belief of users that may already have been affected by fake news. There is recent research that attempts to use content-based immunization and network-based immunization methods in misinformation intervention [94; 97]. One approach uses a multivariate hawks to model both true news and fake news and mitigate the spreading of fake news in real-time [21]. The aforementioned spreader detection techniques can also be applied to target certain users (e.g., persuaders) in social media to stop spreading fake news, or other users (e.g. clarifiers) to maximize the spread of corresponding true news.

7. Conclusion

With the increasing popularity of social media, more and more people consume news from social media instead of traditional news media. However, social media has also been used to spread fake news, which has strong negative impacts on individual users and broader society. In this article, we explored the fake news problem by reviewing existing literature in two phases: characterization and detection. In the characterization phase, we introduced the basic concepts and principles of fake news in both traditional media and social media. In the detection phase, we reviewed existing fake news detection approaches from a data mining perspective, including feature extraction and model construction. We also further discussed the datasets, evaluation metrics, and promising future directions in fake news detection research and expand the field to other applications.

8. References

[1] Sadia Afroz, Michael Brennan, and Rachel Greenstadt. Detecting hoaxes, frauds, and deception in writing style online. In ISSP'12.
[2] Hunt Allcott and Matthew Gentzkow. Social media and fake news in the 2016 election. Technical report, National Bureau of Economic Research, 2017.
[3] Solomon E Asch and H Guetzkow. Effects of group pressure upon the modification and distortion of judgments. Groups, leadership, and men, pages 222–236, 1951.
[4] Meital Balmas. When fake news becomes real: Combined exposure to multiple news sources and political attitudes of inefficacy, alienation, and cynicism. Communication Research, 41(3):430–454, 2014.
[5] Michele Banko, Michael J Cafarella, Stephen Soderland, Matthew Broadhead, and Oren Etzioni. Open information extraction from the web. In IJCAI'07.
[6] Alessandro Bessi and Emilio Ferrara. Social bots distort the 2016 us presidential election online discussion. First Monday, 21(11), 2016.
[7] Prakhar Biyani, Kostas Tsioutsiouliklis, and John Blackmer. "8 amazing secrets for getting more clicks": Detecting clickbaits in news streams using article informality. In AAAI'16.
[8] Jonas Nygaard Blom and Kenneth Reinecke Hansen. Click bait: Forward-reference as lure in online news headlines. Journal of Pragmatics, 76:87–100, 2015.
[9] Paul R Brewer, Dannagal Goldthwaite Young, and Michelle Morreale. The impact of real news about fake news: Intertextual processes and political satire. International Journal of Public Opinion Research, 25(3):323–343, 2013.
[10] Carlos Castillo, Mohammed El-Haddad, Jürgen Pfeffer, and Matt Stempeck. Characterizing the life cycle of online news stories using social media reactions. In CSCW'14.
[11] Carlos Castillo, Marcelo Mendoza, and Barbara Poblete. Information credibility on twitter. In WWW'11.
[12] Abhijnan Chakraborty, Bhargavi Paranjape, Sourya Kakarla, and Niloy Ganguly. Stop clickbait: Detecting and preventing clickbaits in online news media. In ASONAM'16.
[13] Yimin Chen, Niall J Conroy, and Victoria L Rubin. Misleading online content: Recognizing clickbait as false news. In Proceedings of the 2015 ACM on Workshop on Multimodal Deception Detection, pages 15–19. ACM, 2015.
[14] Justin Cheng, Michael Bernstein, Cristian Danescu-Niculescu-Mizil, and Jure Leskovec. Anyone can become a troll: Causes of trolling behavior in online discussions. In CSCW '17.
[15] Zi Chu, Steven Gianvecchio, Haining Wang, and Sushil Jajodia. Detecting automation of twitter accounts: Are you a human, bot, or cyborg? IEEE Transactions on Dependable and Secure Computing, 9(6):811–824, 2012.
[16] Giovanni Luca Ciampaglia, Prashant Shiralkar, Luis M Rocha, Johan Bollen, Filippo Menczer, and Alessandro Flammini. Computational fact checking from knowledge networks. PloS one, 10(6):e0128193, 2015.
[17] Niall J Conroy, Victoria L Rubin, and Yimin Chen. Automatic deception detection: Methods for finding fake news. Proceedings of the Association for Information Science and Technology, 52(1):1–4, 2015.
[18] Michela Del Vicario, Alessandro Bessi, Fabiana Zollo, Fabio Petroni, Antonio Scala, Guido Caldarelli, H Eugene Stanley, and Walter Quattrociocchi. The spreading of misinformation online. Proceedings of the National Academy of Sciences, 113(3):554–559, 2016.
[19] Michela Del Vicario, Gianna Vivaldo, Alessandro Bessi, Fabiana Zollo, Antonio Scala, Guido Caldarelli, and Walter Quattrociocchi. Echo chambers: Emotional contagion and group polarization on facebook. Scientific Reports, 6, 2016.
[20] Thomas G Dietterich et al. Ensemble methods in machine learning. Multiple classifier systems, 1857:1–15, 2000.
[21] Mehrdad Farajtabar, Jiachen Yang, Xiaojing Ye, Huan Xu, Rakshit Trivedi, Elias Khalil, Shuang Li, Le Song, and Hongyuan Zha. Fake news mitigation via point process based intervention. arXiv preprint arXiv:1703.07823, 2017.
[22] Song Feng, Ritwik Banerjee, and Yejin Choi. Syntactic stylometry for deception detection. In ACL'12.
[23] Emilio Ferrara, Onur Varol, Clayton Davis, Filippo Menczer, and Alessandro Flammini. The rise of social bots. Communications of the ACM, 59(7):96–104, 2016.
[24] Johannes Fürnkranz. A study using n-gram features for text categorization. Austrian Research Institute for Artifical Intelligence, 3(1998):1–10, 1998.
[25] Ashutosh Garg and Dan Roth. Understanding probabilistic classifiers. ECML'01.
[26] Matthew Gentzkow, Jesse M Shapiro, and Daniel F Stone. Media bias in the marketplace: Theory. Technical report, National Bureau of Economic Research, 2014.
[27] Adrien Guille, Hakim Hacid, Cecile Favre, and Djamel A Zighed. Information diffusion in online social networks: A survey. ACM Sigmod Record, 42(2):17–28, 2013.
[28] Aditi Gupta, Hemank Lamba, Ponnurangam Kumaraguru, and Anupam Joshi. Faking sandy: characterizing and identifying fake images on twitter during hurricane sandy. In WWW'13.
[29] Manish Gupta, Peixiang Zhao, and Jiawei Han. Evaluating event credibility on twitter. In PSDM'12.
[30] David J Hand and Robert J Till. A simple generalisation of the area under the roc curve for multiple class classification problems. Machine learning, 2001.
[31] Naeemul Hassan, Chengkai Li, and Mark Tremayne. Detecting check-worthy factual claims in presidential debates. In CIKM'15.
[32] John Houvardas and Efstathios Stamatatos. N-gram feature selection for authorship identification. Artificial Intelligence: Methodology, Systems, and Applications, pages 77–86, 2006.
[33] Xia Hu, Jiliang Tang, Huiji Gao, and Huan Liu. Social spammer detection with sentiment information. In ICDM'14.
[34] Xia Hu, Jiliang Tang, and Huan Liu. Online social spammer detection. In AAAI'14, pages 59–65, 2014.
[35] Xia Hu, Jiliang Tang, Yanchao Zhang, and Huan Liu. Social spammer detection in microblogging. In IJCAI'13.
[36] Zhiwei Jin, Juan Cao, Yu-Gang Jiang, and Yongdong Zhang. News credibility evaluation on microblog with a hierarchical propagation model. In ICDM'14.
[37] Zhiwei Jin, Juan Cao, Yongdong Zhang, and Jiebo Luo. News verification by exploiting conflicting social viewpoints in microblogs. In AAAI'16.
[38] Zhiwei Jin, Juan Cao, Yongdong Zhang, Jianshe Zhou, and Qi Tian. Novel visual and statistical image features for microblogs news verification. IEEE Transactions on Multimedia, 19(3):598–608, 2017.
[39] Daniel Kahneman and Amos Tversky. Prospect theory: An analysis of decision under risk. Econometrica: Journal of the econometric society, pages 263–291, 1979.
[40] Jean-Noel Kapferer. Rumors: Uses, Interpretation and Necessity. Routledge, 2017.
[41] David O Klein and Joshua R Wueller. Fake news: A legal perspective. 2017.
[42] Sejeong Kwon, Meeyoung Cha, Kyomin Jung, Wei Chen, and Yajun Wang. Prominent features of rumor propagation in online social media. In ICDM'13, pages 1103–1108. IEEE, 2013.
[43] Yann LeCun, Yoshua Bengio, and Geoffrey Hinton. Deep learning. Nature, 521(7553):436–444, 2015.
[44] Kyumin Lee, James Caverlee, and Steve Webb. Uncovering social spammers: social honeypots+ machine learning. In SIGIR'10.
[45] Tony Lesce. Scan: Deception detection by scientific content analysis. Law and Order, 38(8):3–6, 1990.
[46] Yaliang Li, Jing Gao, Chuishi Meng, Qi Li, Lu Su, Bo Zhao, Wei Fan, and Jiawei Han. A survey on truth discovery. ACM Sigkdd Explorations Newsletter, 17(2):1–16, 2016.
[47] Charles X Ling, Jin Huang, and Harry Zhang. Auc: a statistically consistent and more discriminating measure than accuracy.
[48] Jing Ma, Wei Gao, Prasenjit Mitra, Sejeong Kwon, Bernard J Jansen, Kam-Fai Wong, and Meeyoung Cha. Detecting rumors from microblogs with recurrent neural networks.
[49] Jing Ma, Wei Gao, Zhongyu Wei, Yueming Lu, and Kam-Fai Wong. Detect rumors using time series of social context information on microblogging websites. In CIKM'15.
[50] Amr Magdy and Nayer Wanas. Web-based statistical fact checking of textual documents. In Proceedings of the 2nd international workshop on Search and mining user-generated contents, pages 103–110. ACM, 2010.
[51] Filippo Menczer. The spread of misinformation in social media. In WWW'16.
[52] Tanushree Mitra and Eric Gilbert. Credbank: A large-scale social media corpus with associated credibility annotations. In ICWSM'15.
[53] Saif M Mohammad, Parinaz Sobhani, and Svetlana Kiritchenko. Stance and sentiment in tweets. ACM Transactions on Internet Technology (TOIT), 17(3):26, 2017.
[54] Fred Morstatter, Harsh Dani, Justin Sampson, and Huan Liu. Can one tamper with the sample api?: Toward neutralizing bias from spam and bot content. In WWW'16.
[55] Fred Morstatter, Liang Wu, Tahora H Nazer, Kathleen M Carley, and Huan Liu. A new approach to bot detection: Striking the balance between precision and recall. In ASONAM'16.
[56] Subhabrata Mukherjee and Gerhard Weikum. Leveraging joint interactions for credibility analysis in news communities. In CIKM'15.
[57] Eni Mustafaraj and Panagiotis Takis Metaxas. The fake news spreading plague: Was it preventable? arXiv preprint arXiv:1703.06988, 2017.
[58] Raymond S Nickerson. Confirmation bias: A ubiquitous phenomenon in many guises. Review of general psychology, 2(2):175, 1998.
[59] Brendan Nyhan and Jason Reifler. When corrections fail: The persistence of political misperceptions. Political Behavior, 32(2):303–330, 2010.
[60] Christopher Paul and Miriam Matthews. The russian firehose of falsehood propaganda model.
[61] Dong ping Tian et al. A review on image feature extraction and representation techniques. International Journal of Multimedia and Ubiquitous Engineering, 8(4):385–396, 2013.
[62] Martin Potthast, Johannes Kiesel, Kevin Reinartz, Janek Bevendorff, and Benno Stein. A stylometric inquiry into hyperpartisan and fake news. arXiv preprint arXiv:1702.05638, 2017.
[63] Martin Potthast, Sebastian Köpsel, Benno Stein, and Matthias Hagen. Clickbait detection. In European Conference on Information Retrieval, pages 810–817. Springer, 2016.
[64] Vahed Qazvinian, Emily Rosengren, Dragomir R Radev, and Qiaozhu Mei. Rumor has it: Identifying misinformation in microblogs. In EMNLP'11.
[65] Walter Quattrociocchi, Antonio Scala, and Cass R Sunstein. Echo chambers on facebook. 2016.
[66] Victoria L Rubin, Yimin Chen, and Niall J Conroy. Deception detection for news: three types of fakes. Proceedings of the Association for Information Science and Technology, 52(1):1–4, 2015.
[67] Victoria L Rubin, Niall J Conroy, Yimin Chen, and Sarah Cornwell. Fake news or truth? using satirical cues to detect potentially misleading news. In Proceedings of NAACL-HLT, pages 7–17, 2016.
[68] Victoria L Rubin and Tatiana Lukoianova. Truth and deception at the rhetorical structure level. Journal of the Association for Information Science and Technology, 66(5):905–917, 2015.
[69] Natali Ruchansky, Sungyong Seo, and Yan Liu. Csi: A hybrid deep model for fake news. arXiv preprint arXiv:1703.06959, 2017.
[70] Justin Sampson, Fred Morstatter, Liang Wu, and Huan Liu. Leveraging the implicit structure within social media for emergent rumor detection. In CIKM'15.
[71] Chengcheng Shao, Giovanni Luca Ciampaglia, Alessandro Flammini, and Filippo Menczer. Hoaxy: A platform for tracking online misinformation. In WWW'16.
[72] Baoxu Shi and Tim Weninger. Fact checking in heterogeneous information networks. In WWW'16.
[73] Kai Shu, Suhang Wang, Jiliang Tang, Reza Zafarani, and Huan Liu. User identity linkage across online social networks: A review. ACM SIGKDD Explorations Newsletter, 18(2):5–17, 2017.
[74] Supasorn Suwajanakorn, Steven M Seitz, and Ira Kemelmacher-Shlizerman. Synthesizing obama: learning lip sync from audio. ACM Transactions on Graphics (TOG), 36(4):95, 2017.
[75] Eugenio Tacchini, Gabriele Ballarin, Marco L Della Vedova, Stefano Moret, and Luca de Alfaro. Some like it hoax: Automated fake news detection in social networks. arXiv preprint arXiv:1704.07506, 2017.
[76] Henri Tajfel and John C Turner. An integrative theory of intergroup conflict. The social psychology of intergroup relations, 33(47):74, 1979.
[77] Henri Tajfel and John C Turner. The social identity theory of intergroup behavior. 2004.
[78] Jian Tang, Meng Qu, Mingzhe Wang, Ming Zhang, Jun Yan, and Qiaozhu Mei. Line: Large-scale information network embedding. In WWW'15.
[79] Jiliang Tang, Yi Chang, and Huan Liu. Mining social media with social theories: a survey. ACM SIGKDD Explorations Newsletter, 15(2):20–29, 2014.
[80] Justus Thies, Michael Zollhofer, Marc Stamminger, Christian Theobalt, and Matthias Nießner. Face2face: Real-time face capture and reenactment of rgb videos. In CVPR'16.
[81] Amos Tversky and Daniel Kahneman. Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and uncertainty, 5(4):297–323, 1992.
[82] Udo Undeutsch. Beurteilung der glaubhaftigkeit von aussagen. Handbuch der psychologie, 11:26–181, 1967.
[83] Andreas Vlachos and Sebastian Riedel. Fact checking: Task definition and dataset construction. ACL'14.
[84] Aldert Vrij. Criteria-based content analysis: A qualitative review of the first 37 studies. Psychology, Public Policy, and Law, 11(1):3, 2005.
[85] Suhang Wang, Charu Aggarwal, Jiliang Tang, and Huan Liu. Attributed signed network embedding. In CIKM'17.
[86] Suhang Wang, Jiliang Tang, Charu Aggarwal, Yi Chang, and Huan Liu. Signed network embedding in social media. In SDM'17.
[87] Suhang Wang, Jiliang Tang, Charu Aggarwal, and Huan Liu. Linked document embedding for classification. In CIKM'16.
[88] Suhang Wang, Jiliang Tang, Fred Morstatter, and Huan Liu. Paired restricted boltzmann machine for linked data. In CIKM'16.
[89] Suhang Wang, Yilin Wang, Jiliang Tang, Kai Shu, Suhas Ranganath, and Huan Liu. What your images reveal: Exploiting visual contents for point-of-interest recommendation. In WWW'17.
[90] William Yang Wang. "Liar, liar pants on fire": A new benchmark dataset for fake news detection. arXiv preprint arXiv:1705.00648, 2017.
[91] Yilin Wang, Suhang Wang, Jiliang Tang, Huan Liu, and Baoxin Li. Unsupervised sentiment analysis for social media images. In IJCAI, pages 2378–2379, 2015.
[92] Andrew Ward, L Ross, E Reed, E Turiel, and T Brown. Naive realism in everyday life: Implications for social conflict and misunderstanding. Values and knowledge, pages 103–135, 1997.
[93] Gerhard Weikum. What computers should know, shouldn't know, and shouldn't believe. In WWW'17.
[94] L Wu, F Morstatter, X Hu, and H Liu. Chapter 5: Mining misinformation in social media, 2016.
[95] Liang Wu, Jundong Li, Xia Hu, and Huan Liu. Gleaning wisdom from the past: Early detection of emerging rumors in social media. In SDM'17.
[96] Liang Wu, Fred Morstatter, Xia Hu, and Huan Liu. Mining misinformation in social media. Big Data in Complex and Social Networks, pages 123–152, 2016.
[97] You Wu, Pankaj K Agarwal, Chengkai Li, Jun Yang, and Cong Yu. Toward computational fact-checking. Proceedings of the VLDB Endowment, 7(7):589–600, 2014.
[98] Fan Yang, Yang Liu, Xiaohui Yu, and Min Yang. Automatic detection of rumor on sina weibo. In Proceedings of the ACM SIGKDD Workshop on Mining Data Semantics, page 13. ACM, 2012.
[99] Robert B Zajonc. Attitudinal effects of mere exposure. Journal of personality and social psychology, 9(2p2):1, 1968.
[100] Robert B Zajonc. Mere exposure: A gateway to the subliminal. Current directions in psychological science, 10(6):224–228, 2001.
[101] Arkaitz Zubiaga, Ahmet Aker, Kalina Bontcheva, Maria Liakata, and Rob Procter. Detection and resolution of rumours in social media: A survey. arXiv preprint arXiv:1704.00656, 2017.

International Journal of Research Publication and Reviews

International Journal of Research Publication and Reviews

Обнаружение фейковых новостей в социальных сетях: перспектива интеллектуального анализа данных

Кай Шу, Эми Слива, Суханг Ван, Цзилян Тан\, Хуань Лю
Компьютерные науки и инженерия, Университет Аризоны, Темпе, Аризона, США
Charles River Analytics, Кембридж, Массачусетс, США
\Компьютерные науки и инженерия, Университет штата Мичиган, Ист-Лансинг, Мичиган, США
{kai.shu,suhang.wang,huan.liu}@asu.edu, asliva@cra.com, \tangjili@msu.edu
DOI: 10.XXXX/XXXXXX
АННОТАЦИЯ

Социальные сети для потребления новостей — это палка о двух концах. С одной стороны, их низкая стоимость, легкий доступ и быстрое распространение информации побуждают людей искать и потреблять новости из социальных сетей. С другой стороны, они способствуют широкому распространению "фейковых новостей", то есть новостей низкого качества с преднамеренно ложной информацией. Широкое распространение фейковых новостей может иметь крайне негативные последствия для отдельных лиц и общества. Поэтому обнаружение фейковых новостей в социальных сетях в последнее время стало развивающимся исследованием, привлекающим огромное внимание. Обнаружение фейковых новостей в социальных сетях имеет уникальные характеристики и проблемы, которые делают существующие алгоритмы обнаружения из традиционных средств массовой информации неэффективными или неприменимыми. Во-первых, фейковые новости намеренно написаны так, чтобы ввести читателей в заблуждение, заставив поверить в ложную информацию, что затрудняет их обнаружение на основе содержания новостей; поэтому нам необходимо включать вспомогательную информацию, такую как социальная активность пользователей в социальных сетях, чтобы помочь принять решение. Во-вторых, использование этой вспомогательной информации само по себе является сложной задачей, поскольку социальная активность пользователей с фейковыми новостями производит данные, которые являются большими, неполными, неструктурированными и зашумленными. Поскольку проблема обнаружения фейковых новостей в социальных сетях является одновременно сложной и актуальной, мы провели этот обзор, чтобы дополнительно облегчить исследования по этой проблеме. В этом обзоре мы представляем всесторонний анализ обнаружения фейковых новостей в социальных сетях, включая характеристики фейковых новостей с точки зрения психологии и социальных теорий, существующие алгоритмы с точки зрения интеллектуального анализа данных, метрики оценки и репрезентативные наборы данных. Мы также обсуждаем связанные области исследований, открытые проблемы и будущие направления исследований для обнаружения фейковых новостей в социальных сетях.

Ключевые слова: Фейковые новости, социальные сети, интеллектуальный анализ данных, машинное обучение, обнаружение дезинформации.

1. Введение

Поскольку все больше нашей жизни проходит в онлайн-взаимодействии через платформы социальных сетей, все больше людей склонны искать и потреблять новости из социальных сетей, а не из традиционных новостных организаций. Причины этого изменения в поведении потребления кроются в природе этих платформ социальных сетей: (i) потребление новостей в социальных сетях часто более оперативно и менее затратно по сравнению с традиционными средствами массовой информации, такими как газеты или телевидение; и (ii) легче делиться, комментировать и обсуждать эти новости с друзьями или другими читателями в социальных сетях. Например, 62 процента взрослых в США получают новости из социальных сетей в 2016 году, в то время как в 2012 году только 49 процентов сообщали о том, что видят новости в социальных сетях1. Также было обнаружено, что социальные сети теперь превосходят телевидение в качестве основного источника новостей2. Несмотря на преимущества, предоставляемые социальными сетями, качество новостей в социальных сетях ниже, чем в традиционных новостных организациях. Однако, поскольку предоставление новостей в Интернете является дешевым, а их распространение через социальные сети происходит гораздо быстрее и проще, в Интернете создаются большие объемы фейковых новостей, то есть тех новостных статей, которые содержат преднамеренно ложную информацию, для различных целей, таких как финансовая и политическая выгода. По оценкам, к концу президентских выборов более 1 миллиона твитов были связаны с фейковыми новостями "Pizzagate"3. Учитывая распространенность этого нового явления, слово "Фейковые новости" было даже названо словом года словарем Macquarie в 2016 году.

Широкое распространение фейковых новостей может иметь серьезное негативное влияние на отдельных людей и общество. Во-первых, фейковые новости могут нарушить баланс достоверности новостной экосистемы. Например, очевидно, что самые популярные фейковые новости распространялись в Facebook даже шире, чем самые популярные достоверные основные новости во время президентских выборов в США в 2016 году4. Во-вторых, фейковые новости намеренно убеждают потребителей принимать предвзятые или ложные убеждения. Фейковые новости обычно манипулируются пропагандистами для передачи политических сообщений или влияния. Например, отчеты показывают, что Россия создавала фейковые аккаунты и социальных ботов для распространения ложных историй5. В-третьих, фейковые новости меняют то, как люди интерпретируют и реагируют на реальные новости. Например, некоторые фейковые новости были созданы просто для того, чтобы вызвать недоверие людей и запутать их, препятствуя их способности отличать правду от лжи6. Чтобы помочь смягчить негативные эффекты, вызванные фейковыми новостями – как для пользы общественности, так и для новостной экосистемы – крайне важно разработать методы автоматического обнаружения фейковых новостей в социальных сетях.

Обнаружение фейковых новостей в социальных сетях представляет несколько новых и сложных исследовательских проблем. Хотя сами фейковые новости не являются новой проблемой – страны или группы использовали средства массовой информации для проведения пропаганды или операций влияния на протяжении веков – рост веб-генерируемых новостей в социальных сетях делает фейковые новости более мощной силой, которая бросает вызов традиционным журналистским нормам. Есть несколько характеристик этой проблемы, которые делают ее уникально сложной для автоматического обнаружения. Во-первых, фейковые новости намеренно написаны, чтобы ввести читателей в заблуждение, что делает нетривиальным их обнаружение просто на основе содержания новостей. Содержание фейковых новостей довольно разнообразно с точки зрения тем, стилей и медиаплатформ, и фейковые новости пытаются исказить правду с помощью различных лингвистических стилей, одновременно имитируя настоящие новости. Например, фейковые новости могут цитировать истинные доказательства в неверном контексте, чтобы поддержать неверное утверждение [22]. Таким образом, существующие ручные и специфические для данных текстовые признаки, как правило, недостаточны для обнаружения фейковых новостей. Другая вспомогательная информация также должна быть применена для улучшения обнаружения, такая как база знаний и социальная вовлеченность пользователей. Во-вторых, использование этой вспомогательной информации фактически приводит к другой критической проблеме: качеству самих данных. Фейковые новости обычно связаны с новыми, критичными по времени событиями, которые могли быть неправильно проверены существующими базами знаний из-за отсутствия подтверждающих доказательств или утверждений. Кроме того, социальная вовлеченность пользователей с фейковыми новостями производит данные, которые являются большими, неполными, неструктурированными и зашумленными [79]. Хотя люди демонстрируют различные типы реакций на настоящие и фейковые новости [18], методы захвата полезных поведенческих паттернов и извлечения соответствующих признаков из них являются открытой областью исследований. Более того, достоверность зашумленных постов в социальных сетях создает дополнительные проблемы для оценки правдивости фейковых новостей [11].

В этой статье мы представляем обзор обнаружения фейковых новостей и обсуждаем перспективные направления исследований. Ключевые мотивации этого обзора суммированы следующим образом:

Чтобы облегчить исследования в области обнаружения фейковых новостей в социальных сетях, в этом обзоре мы рассмотрим два аспекта проблемы обнаружения фейковых новостей: характеристику и обнаружение. Как показано на рисунке 1, мы сначала опишем предысторию проблемы обнаружения фейковых новостей с использованием теорий и свойств из психологии и социальных исследований; затем мы представим подходы к обнаружению. Наши основные вклады этого обзора суммированы следующим образом:

Оставшаяся часть этого обзора организована следующим образом. В разделе 2 мы представляем определение фейковых новостей и характеризуем его, сравнивая различные теории и свойства как в традиционных, так и в социальных медиа. В разделе 3 мы продолжаем формально определять проблему обнаружения фейковых новостей и суммируем методы обнаружения фейковых новостей. В разделе 4 мы обсуждаем наборы данных и метрики оценки, используемые существующими методами. Мы кратко представляем области, связанные с обнаружением фейковых новостей в социальных сетях, в разделе 5. Наконец, мы обсуждаем открытые проблемы и будущие направления в разделе 6 и заключаем этот обзор в разделе 7.

Фейковые новости в социальных сетях: от характеристики к обнаружению
Рис. 1 Фейковые новости в социальных сетях: от характеристики к обнаружению

2. Характеристика фейковых новостей

В этом разделе мы представляем основные социальные и психологические теории, связанные с фейковыми новостями, и обсуждаем более сложные модели, введенные социальными сетями. В частности, мы сначала обсуждаем различные определения фейковых новостей и дифференцируем связанные концепции, которые обычно неправильно понимаются как фейковые новости. Затем мы описываем различные аспекты фейковых новостей в традиционных средствах массовой информации, а также новые модели, обнаруженные в социальных сетях.

2.1 Определения фейковых новостей

Фейковые новости существуют очень давно, почти столько же, сколько новости стали широко распространяться после изобретения печатного станка в 1439 году7. Однако нет согласованного определения термина "фейковые новости". Поэтому мы сначала обсуждаем и сравниваем некоторые широко используемые определения фейковых новостей в существующей литературе и предоставляем наше определение фейковых новостей, которое будет использоваться в оставшейся части этого обзора.

Узкое определение фейковых новостей — это новостные статьи, которые являются преднамеренно и проверяемо ложными и могут ввести читателей в заблуждение [2]. Есть две ключевые особенности этого определения: достоверность и намерение. Во-первых, фейковые новости включают ложную информацию, которую можно проверить как таковую. Во-вторых, фейковые новости создаются с недобросовестным намерением ввести потребителей в заблуждение. Это определение было широко принято в последних исследованиях [57; 17; 62; 41].

Более широкие определения фейковых новостей сосредотачиваются либо на достоверности, либо на намерении содержания новостей. Некоторые статьи рассматривают сатирические новости как фейковые новости, поскольку содержание ложно, даже если сатира часто ориентирована на развлечение и раскрывает свою обманчивость потребителям [67; 4; 37; 9]. Другая литература напрямую рассматривает обманчивые новости как фейковые новости [66], которые включают серьезные фальсификации, мистификации и сатиру.

Определение 1 (Фейковые новости) Фейковые новости — это новостная статья, которая является преднамеренно и проверяемо ложной.

В этой статье мы используем узкое определение фейковых новостей. Формально мы формулируем это определение как Определение 1. Причины выбора этого узкого определения трояки. Во-первых, лежащее в основе намерение фейковых новостей предоставляет как теоретическую, так и практическую ценность, которая позволяет более глубокое понимание и анализ этой темы. Во-вторых, любые методы проверки истинности, применимые к узкой концепции фейковых новостей, также могут быть применены к более широкому определению. В-третьих, это определение способно устранить неоднозначности между фейковыми новостями и связанными концепциями, которые не рассматриваются в этой статье. Следующие концепции не являются фейковыми новостями согласно нашему определению: (1) сатирические новости с правильным контекстом, которые не имеют намерения ввести или обмануть потребителей и вряд ли будут восприняты как фактические; (2) слухи, которые не возникли из новостных событий; (3) теории заговора, которые трудно проверить как истинные или ложные; (4) дезинформация, созданная непреднамеренно; и (5) мистификации, которые мотивированы только развлечением или мошенничеством в отношении целевых лиц.

2.2 Фейковые новости в традиционных средствах массовой информации

Сами фейковые новости не являются новой проблемой. Экология СМИ фейковых новостей со временем менялась от газет к радио/телевидению и, совсем недавно, к онлайн-новостям и социальным сетям. Мы обозначаем "традиционные фейковые новости" как проблему фейковых новостей до того, как социальные сети оказали существенное влияние на их производство и распространение. Далее мы опишем несколько психологических и социально-научных основ, которые описывают влияние фейковых новостей как на индивидуальном уровне, так и на уровне социальной информационной экосистемы.

Психологические основы фейковых новостей

Люди от природы не очень хорошо умеют отличать реальные новости от фейковых. Существует несколько психологических и когнитивных теорий, которые могут объяснить это явление и влияние фейковых новостей. Традиционные фейковые новости в основном нацелены на потребителей, эксплуатируя их индивидуальные уязвимости. Есть два основных фактора, которые делают потребителей естественно уязвимыми для фейковых новостей: (i) Наивный реализм: потребители склонны верить, что их восприятие реальности является единственно точным взглядом, в то время как другие, кто не согласен, рассматриваются как неинформированные, иррациональные или предвзятые [92]; и (ii) Подтверждающее искажение: потребители предпочитают получать информацию, которая подтверждает их существующие взгляды [58]. Из-за этих когнитивных искажений, присущих человеческой природе, фейковые новости часто могут восприниматься потребителями как реальные. Более того, как только ложное восприятие сформировано, его очень трудно исправить. Психологические исследования показывают, что исправление ложной информации (например, фейковых новостей) путем представления истинной, фактической информации не только бесполезно для уменьшения ложных восприятий, но иногда может даже увеличить ложные восприятия, особенно среди идеологических групп [59].

Социальные основы экосистемы фейковых новостей

Рассматривая всю экосистему потребления новостей, мы также можем описать некоторые социальные динамики, которые способствуют распространению фейковых новостей. Теория перспектив описывает принятие решений как процесс, в котором люди делают выбор на основе относительных выгод и потерь по сравнению с их текущим состоянием [39; 81]. Это желание максимизировать вознаграждение от решения применяется и к социальным выгодам, например, к постоянному принятию другими в непосредственной социальной сети пользователя. Как описано теорией социальной идентичности [76; 77] и теорией нормативного влияния [3; 40], это предпочтение социального принятия и подтверждения важно для идентичности и самооценки человека, заставляя пользователей выбирать "социально безопасные" варианты при потреблении и распространении новостной информации, следуя нормам, установленным в сообществе, даже если распространяемые новости являются фейковыми.

Эта рациональная теория взаимодействий с фейковыми новостями может быть смоделирована с точки зрения экономической теории игр [26] путем формулирования цикла генерации и потребления новостей как стратегической игры двух игроков. Для объяснения фейковых новостей мы предполагаем, что в информационной экосистеме есть два вида ключевых игроков: издатель и потребитель. Процесс публикации новостей моделируется как отображение исходного сигнала s в результирующий новостной отчет a с эффектом искажающего смещения b, т.е. s b→ a, где b = [−1, 0, 1] указывает на [левое, нет, правое] смещения, влияющие на процесс публикации новостей. Интуитивно это захватывает степень, в которой новостная статья может быть предвзятой или искаженной для производства фейковых новостей. Полезность для издателя проистекает из двух перспектив: (i) краткосрочная полезность: стимул максимизировать прибыль, которая положительно коррелирует с количеством достигнутых потребителей; (ii) долгосрочная полезность: их репутация в плане достоверности новостей. Полезность потребителей состоит из двух частей: (i) информационная полезность: получение истинной и непредвзятой информации (обычно требуются дополнительные инвестиционные затраты); (ii) психологическая полезность: получение новостей, которые удовлетворяют их предварительным мнениям и социальным потребностям, например, подтверждающее искажение и теория перспектив. Как издатель, так и потребитель пытаются максимизировать свою общую полезность в этой стратегической игре процесса потребления новостей. В этой модели мы можем уловить тот факт, что фейковые новости случаются, когда краткосрочная полезность доминирует над общей полезностью издателя, а психологическая полезность доминирует над общей полезностью потребителя, и поддерживается равновесие. Это объясняет социальную динамику, которая приводит к информационной экосистеме, где фейковые новости могут процветать.

2.3 Фейковые новости в социальных сетях

В этом подразделе мы обсудим некоторые уникальные характеристики фейковых новостей в социальных сетях. В частности, мы выделим ключевые особенности фейковых новостей, которые стали возможными благодаря социальным сетям. Обратите внимание, что упомянутые выше характеристики традиционных фейковых новостей также применимы к социальным сетям.

Злонамеренные аккаунты в социальных сетях для пропаганды

Хотя многие пользователи социальных сетей являются законными, пользователи социальных сетей также могут быть злонамеренными, а в некоторых случаях даже не являются реальными людьми. Низкая стоимость создания учетных записей в социальных сетях также способствует появлению злонамеренных учетных записей пользователей, таких как социальные боты, киборг-пользователи и тролли. Социальный бот относится к учетной записи в социальной сети, которой управляет компьютерный алгоритм для автоматического создания контента и взаимодействия с людьми (или другими пользователями-ботами) в социальных сетях [23]. Социальные боты могут стать злонамеренными объектами, специально созданными для причинения вреда, например, манипулирования и распространения фейковых новостей в социальных сетях. Исследования показывают, что социальные боты исказили обсуждения президентских выборов в США в 2016 году в Интернете в больших масштабах [6], и что около 19 миллионов бот-аккаунтов твитнули в поддержку либо Трампа, либо Клинтон в неделю, предшествующую дню выборов8. Тролли, реальные пользователи-люди, которые стремятся разрушить онлайн-сообщества и спровоцировать потребителей на эмоциональную реакцию, также играют важную роль в распространении фейковых новостей в социальных сетях. Например, данные свидетельствуют о том, что было 1000 оплачиваемых российских троллей, распространяющих фейковые новости о Хиллари Клинтон9. Поведение троллинга сильно зависит от настроения людей и контекста онлайн-обсуждений, что позволяет легко распространять фейковые новости среди в остальном "нормальных" онлайн-сообществ [14]. Эффект троллинга заключается в том, чтобы спровоцировать внутренние негативные эмоции людей, такие как гнев и страх, что приводит к сомнению, недоверию и иррациональному поведению. Наконец, пользователи-киборги могут распространять фейковые новости способом, который сочетает автоматизированные действия с человеческим вводом. Обычно киборг-аккаунты регистрируются человеком в качестве камуфляжа и устанавливаются автоматизированные программы для выполнения действий в социальных сетях. Легкое переключение функциональности между человеком и ботом предлагает пользователям-киборгам уникальные возможности для распространения фейковых новостей [15]. Вкратце, эти высокоактивные и пристрастные злонамеренные аккаунты в социальных сетях становятся мощными источниками и распространителями фейковых новостей.

Эффект эхо-камеры

Социальные сети предоставляют новую парадигму создания и потребления информации для пользователей. Процесс поиска и потребления информации меняется от опосредованной формы (например, журналистами) к более непосредственной [19]. Потребители избирательно подвергаются воздействию определенных видов новостей из-за того, как новостная лента появляется на их домашней странице в социальных сетях, усиливая психологические проблемы, связанные с разоблачением фейковых новостей, выявленные выше. Например, пользователи Facebook всегда следят за единомышленниками и, следовательно, получают новости, которые продвигают их излюбленные существующие нарративы [65]. Поэтому пользователи социальных сетей склонны формировать группы, содержащие единомышленников, где они затем поляризуют свои мнения, что приводит к эффекту эхо-камеры. Эффект эхо-камеры облегчает процесс, посредством которого люди потребляют и верят фейковым новостям из-за следующих психологических факторов [60]: (1) социальная достоверность, что означает, что люди с большей вероятностью воспринимают источник как достоверный, если другие воспринимают источник как достоверный, особенно когда недостаточно информации для доступа к правдивости источника; и (2) частотная эвристика, что означает, что потребители могут естественно отдавать предпочтение информации, которую они часто слышат, даже если это фейковые новости. Исследования показали, что повышенное воздействие на идею достаточно для формирования положительного мнения о ней [100; 101], и в эхо-камерах пользователи продолжают делиться и потреблять одну и ту же информацию. В результате этот эффект эхо-камеры создает сегментированные, однородные сообщества с очень ограниченной информационной экосистемой. Исследования показывают, что однородные сообщества становятся основным драйвером распространения информации, что еще больше усиливает поляризацию [18].

3. Обнаружение фейковых новостей

В предыдущем разделе мы представили концептуальную характеристику традиционных фейковых новостей и фейковых новостей в социальных сетях. Основываясь на этой характеристике, мы далее исследуем определение проблемы и предложенные подходы для обнаружения фейковых новостей.

3.1 Постановка задачи

В этом подразделе мы представляем детали математической формулировки обнаружения фейковых новостей в социальных сетях. В частности, мы представим определение ключевых компонентов фейковых новостей, а затем представим формальное определение обнаружения фейковых новостей. Основные обозначения определены ниже:

Определение 2 (Обнаружение фейковых новостей) При заданной социальной вовлеченности в новости E среди n пользователей для новостной статьи a задача обнаружения фейковых новостей состоит в том, чтобы предсказать, является ли новостная статья a фейковой новостью или нет, т.е. F : E → {0, 1} такое, что:
F(a) = {
    1, если a является фейковой новостью,
    0, в противном случае.
}
где F — это прогнозирующая функция, которую мы хотим изучить.

Обратите внимание, что мы определяем обнаружение фейковых новостей как проблему бинарной классификации по следующей причине: фейковые новости по сути являются искажающим смещением информации, манипулируемой издателем. Согласно предыдущим исследованиям теории смещения в медиа [26], искажающее смещение обычно моделируется как проблема бинарной классификации.

Далее мы предлагаем общую структуру интеллектуального анализа данных для обнаружения фейковых новостей, которая включает две фазы: (i) извлечение признаков и (ii) построение модели. Фаза извлечения признаков направлена на представление содержания новостей и связанной вспомогательной информации в формальной математической структуре, а фаза построения модели далее строит модели машинного обучения для лучшего различения фейковых и реальных новостей на основе представлений признаков.

3.2 Извлечение признаков

Обнаружение фейковых новостей в традиционных средствах массовой информации в основном опирается на содержание новостей, в то время как в социальных сетях дополнительная вспомогательная информация социального контекста может быть использована в качестве дополнительной информации для помощи в обнаружении фейковых новостей. Таким образом, мы представим детали того, как извлекать и представлять полезные признаки из содержания новостей и социального контекста.

3.2.1 Признаки содержания новостей

Признаки содержания новостей ca описывают метаинформацию, связанную с новостной статьей. Список репрезентативных атрибутов содержания новостей приведен ниже:

На основе этих исходных атрибутов содержания могут быть построены различные виды представлений признаков для извлечения дискриминативных характеристик фейковых новостей. Как правило, содержание новостей, которое мы рассматриваем, в основном будет лингвистическим и визуальным, подробно описанным ниже.

Лингвистические: Поскольку фейковые новости создаются намеренно для финансовой или политической выгоды, а не для сообщения объективных утверждений, они часто содержат предвзятый и возбуждающий язык, созданный как "кликбейт" (т.е. для заманивания пользователей перейти по ссылке, чтобы прочитать полную статью) или для провокации замешательства [13]. Таким образом, разумно использовать лингвистические признаки, которые захватывают различные стили письма и сенсационные заголовки для обнаружения фейковых новостей. Лингвистические признаки извлекаются из текстового содержания с точки зрения организации документов на разных уровнях, таких как символы, слова, предложения и документы. Чтобы захватить различные аспекты фейковых и реальных новостей, существующие работы использовали как общие лингвистические признаки, так и специфические для домена лингвистические признаки. Общие лингвистические признаки часто используются для представления документов для различных задач в обработке естественного языка. Типичные общие лингвистические признаки: (i) лексические признаки, включая признаки уровня символов и слов, такие как общее количество слов, символов на слово, частота длинных слов и уникальных слов; (ii) синтаксические признаки, включая признаки уровня предложений, такие как частота служебных слов и фраз (т.е., "n-граммы" и подходы "мешок слов" [24]) или пунктуация и части речи (POS) тегирование. Специфические для домена лингвистические признаки, которые специально согласованы с новостным доменом, такие как цитируемые слова, внешние ссылки, количество графиков и средняя длина графиков и т.д. [62]. Более того, другие признаки могут быть специально разработаны для захвата обманчивых сигналов в стилях письма, чтобы дифференцировать фейковые новости, такие как признаки обнаружения лжи [1].

Визуальные: Визуальные подсказки оказались важным манипулятором для пропаганды фейковых новостей10. Как мы охарактеризовали, фейковые новости эксплуатируют индивидуальные уязвимости людей и поэтому часто полагаются на сенсационные или даже фальшивые изображения, чтобы вызвать гнев или другую эмоциональную реакцию потребителей. Визуальные признаки извлекаются из визуальных элементов (например, изображений и видео), чтобы захватить различные характеристики фейковых новостей. Фальшивые изображения были идентифицированы на основе различных признаков уровня пользователя и твита, созданных вручную, с использованием классификационной структуры [28]. Недавно были извлечены различные визуальные и статистические признаки для проверки новостей [38]. Визуальные признаки включают оценку четкости, оценку связности, гистограмму распределения сходства, оценку разнообразия и оценку кластеризации. Статистические признаки включают количество, соотношение изображений, соотношение множественных изображений, соотношение популярных изображений, соотношение длинных изображений и т.д.

3.2.2 Признаки социального контекста

В дополнение к признакам, непосредственно связанным с содержанием новостных статей, дополнительные признаки социального контекста также могут быть получены из пользовательской социальной вовлеченности в потребление новостей на платформе социальных сетей. Социальная вовлеченность представляет процесс распространения новостей с течением времени, что предоставляет полезную вспомогательную информацию для определения достоверности новостных статей. Обратите внимание, что в литературе существует мало статей, которые обнаруживают фейковые новости с использованием признаков социального контекста. Однако, поскольку мы считаем, что это критический аспект успешного обнаружения фейковых новостей, мы представляем набор общих признаков, используемых в аналогичных областях исследований, таких как классификация достоверности слухов в социальных сетях. Вообще, есть три основных аспекта контекста социальных сетей, которые мы хотим представить: пользователи, сгенерированные посты и сети. Ниже мы исследуем, как мы можем извлекать и представлять признаки социального контекста из этих трех аспектов для поддержки обнаружения фейковых новостей.

На основе пользователей: Как мы упоминали в разделе 2.3, фейковые новости, скорее всего, создаются и распространяются нечеловеческими аккаунтами, такими как социальные боты или киборги. Таким образом, захват профилей и характеристик пользователей с помощью признаков на основе пользователей может предоставить полезную информацию для обнаружения фейковых новостей. Признаки на основе пользователей представляют характеристики тех пользователей, которые взаимодействуют с новостями в социальных сетях. Эти признаки могут быть категоризированы на разных уровнях: индивидуальный уровень и групповой уровень. Признаки индивидуального уровня извлекаются для определения достоверности и надежности каждого пользователя с использованием различных аспектов демографии пользователей, таких как возраст регистрации, количество подписчиков/подписок, количество твитов, которые пользователь написал, и т.д. [11]. Признаки пользователей группового уровня захватывают общие характеристики групп пользователей, связанных с новостью [99]. Предполагается, что распространители фейковых и реальных новостей могут формировать различные сообщества с уникальными характеристиками, которые могут быть изображены признаками группового уровня. Обычно используемые признаки группового уровня происходят от агрегирования (например, усреднения и взвешивания) признаков индивидуального уровня, таких как '% проверенных пользователей' и 'среднее количество подписчиков' [49; 42].

На основе постов: Люди выражают свои эмоции или мнения относительно фейковых новостей через посты в социальных сетях, такие как скептические мнения, сенсационные реакции и т.д. Таким образом, разумно извлекать признаки на основе постов, чтобы помочь найти потенциальные фейковые новости через реакции широкой публики, выраженные в постах. Признаки на основе постов сосредотачиваются на идентификации полезной информации для определения достоверности новостей из различных аспектов соответствующих постов в социальных сетях. Эти признаки могут быть категоризированы как уровень поста, групповой уровень и временной уровень. Признаки уровня поста генерируют значения признаков для каждого поста. Упомянутые выше лингвистические признаки и некоторые подходы к встраиванию [69] для содержания новостей также могут быть применены для каждого поста. В частности, есть уникальные признаки для постов, которые представляют социальный ответ от широкой публики, такие как позиция, тема и достоверность. Признаки позиции (или точки зрения) указывают на мнения пользователей относительно новости, такие как поддержка, отрицание и т.д. [37]. Признаки темы могут быть извлечены с использованием моделей тем, таких как латентное размещение Дирихле (LDA) [49]. Признаки достоверности для постов оценивают степень надежности [11]. Признаки группового уровня направлены на агрегирование значений признаков для всех соответствующих постов для конкретных новостных статей с использованием "мудрости толпы". Например, средние оценки достоверности используются для оценки достоверности новостей [37]. Более полный список признаков постов группового уровня также можно найти в [11]. Признаки постов временного уровня учитывают временные вариации значений признаков уровня поста [49]. Неконтролируемые методы встраивания, такие как рекуррентная нейронная сеть (RNN), используются для захвата изменений в постах с течением времени [69; 48]. На основе формы этого временного ряда для различных метрик соответствующих постов (например, количество постов) могут быть вычислены математические признаки, такие как параметры SpikeM [42].

На основе сетей: Пользователи формируют различные сети в социальных сетях с точки зрения интересов, тем и отношений. Как упоминалось ранее, процессы распространения фейковых новостей склонны формировать цикл эхо-камеры, подчеркивая ценность извлечения признаков на основе сетей для представления этих типов сетевых паттернов для обнаружения фейковых новостей. Признаки на основе сетей извлекаются путем построения конкретных сетей среди пользователей, которые опубликовали соответствующие посты в социальных сетях. Могут быть построены различные типы сетей. Сеть позиций может быть построена с узлами, указывающими на все твиты, относящиеся к новости, и ребрами, указывающими на веса сходства позиций [37; 75]. Другой тип сети — это сеть совместного появления, которая строится на основе вовлеченности пользователей путем подсчета того, пишут ли эти пользователи посты, относящиеся к тем же новостным статьям [69]. Кроме того, сеть дружбы указывает на структуру подписчиков/подписок пользователей, которые публикуют связанные твиты [42]. Расширением этой сети дружбы является сеть распространения, которая отслеживает траекторию распространения новостей [42], где узлы представляют пользователей, а ребра представляют пути распространения информации среди них. То есть путь распространения между двумя пользователями ui и uj существует тогда и только тогда, когда (1) uj следует за ui, и (2) uj публикует о данной новости только после того, как это делает ui. После того, как эти сети правильно построены, существующие сетевые метрики могут быть применены в качестве представлений признаков. Например, степень и коэффициент кластеризации использовались для характеристики сети распространения [42] и сети дружбы [42]. Более продвинутый подход к извлеченным признакам на основе сетей — это изучение скрытых вложений узлов с использованием SVD [69] или алгоритмов распространения сети [37].

3.3 Построение модели

В предыдущем разделе мы представили признаки, извлеченные из различных источников, т.е. содержание новостей и социальный контекст, для обнаружения фейковых новостей. В этом разделе мы обсуждаем детали процесса построения модели для нескольких существующих подходов. В частности, мы категоризируем существующие методы на основе их основных источников входных данных как: Модели содержания новостей и Модели социального контекста.

3.3.1 Модели содержания новостей

В этом подразделе мы сосредотачиваемся на моделях содержания новостей, которые в основном полагаются на признаки содержания новостей и существующие фактические источники для классификации фейковых новостей. В частности, существующие подходы могут быть категоризированы как Основанные на знаниях и Основанные на стиле.

Основанные на знаниях: Поскольку фейковые новости пытаются распространять ложные утверждения в содержании новостей, самый прямой способ их обнаружения — это проверить правдивость основных утверждений в новостной статье, чтобы решить достоверность новостей. Подходы, основанные на знаниях, направлены на использование внешних источников для проверки фактов предложенных утверждений в содержании новостей. Цель проверки фактов — присвоить значение истинности утверждению в конкретном контексте [83]. Проверка фактов привлекает все больше внимания, и многие усилия были приложены для разработки осуществимой автоматизированной системы проверки фактов. Существующие подходы к проверке фактов могут быть категоризированы как ориентированные на экспертов, ориентированные на краудсорсинг и ориентированные на вычисления.

Основанные на стиле: Издатели фейковых новостей часто имеют злонамеренное намерение распространять искаженную и вводящую в заблуждение информацию и влиять на большие сообщества потребителей, требуя особых стилей письма, необходимых для привлечения и убеждения широкого круга потребителей, которые не наблюдаются в настоящих новостных статьях. Подходы, основанные на стиле, пытаются обнаружить фейковые новости, захватывая манипуляторы в стиле письма содержания новостей. Существуют в основном две типичные категории методов, основанных на стиле: Ориентированные на обман и Ориентированные на объективность.

3.3.2 Модели социального контекста

Природа социальных сетей предоставляет исследователям дополнительные ресурсы для дополнения и улучшения моделей содержания новостей. Модели социального контекста включают соответствующую социальную вовлеченность пользователей в анализ, захватывая эту вспомогательную информацию с различных перспектив. Мы можем классифицировать существующие подходы для моделирования социального контекста на две категории: Основанные на позиции и Основанные на распространении. Обратите внимание, что очень немногие существующие подходы к обнаружению фейковых новостей использовали модели социального контекста. Таким образом, мы также представляем аналогичные методы для обнаружения слухов с использованием социальных сетей, которые имеют потенциальное применение для обнаружения фейковых новостей.

Основанные на позиции: Подходы, основанные на позиции, используют точки зрения пользователей из соответствующих содержаний постов для определения достоверности оригинальных новостных статей. Позиция постов пользователей может быть представлена либо явно, либо неявно. Явные позиции — это прямые выражения эмоций или мнений, такие как реакции "палец вверх" и "палец вниз", выраженные в Facebook. Неявные позиции могут быть автоматически извлечены из постов в социальных сетях. Обнаружение позиции — это задача автоматического определения из поста, является ли пользователь в пользу, нейтрален или против некоторой целевой сущности, события или идеи [53]. Предыдущие методы классификации позиции в основном полагаются на лингвистические признаки, созданные вручную, или признаки встраивания на отдельных постах для предсказания позиций [53; 64]. Методы тематического моделирования, такие как латентное размещение Дирихле (LDA), могут быть применены для изучения скрытой позиции из тем [37]. Используя эти методы, мы можем определить достоверность новостей на основе значений позиции соответствующих постов. Таккини и др. предложили построить двудольную сеть пользователей и постов Facebook, используя информацию о позиции "лайк" [75]; на основе этой сети была использована полуконтролируемая вероятностная модель для предсказания вероятности того, что посты Facebook являются мистификациями. Джин и др. исследовали тематические модели для изучения скрытых значений точек зрения и далее использовали эти точки зрения для изучения достоверности соответствующих постов и содержания новостей [37].

Основанные на распространении: Подходы, основанные на распространении, для обнаружения фейковых новостей рассуждают о взаимосвязях соответствующих постов в социальных сетях для предсказания достоверности новостей. Основное предположение состоит в том, что достоверность новостного события сильно связана с достоверностью соответствующих постов в социальных сетях. Как однородные, так и неоднородные сети достоверности могут быть построены для процесса распространения. Однородные сети достоверности состоят из одного типа сущностей, таких как пост или событие [37]. Неоднородные сети достоверности включают различные типы сущностей, такие как посты, под-события и события [36; 29]. Гупта и др. предложили алгоритм распространения достоверности, подобный PageRank, путем кодирования достоверности пользователей и импликаций твитов в трехслойной неоднородной информационной сети пользователь-твит-событие. Джин и др. предложили включить аспекты новостей (т.е., скрытые под-события), построить трехслойную иерархическую сеть и использовать оптимизационную структуру графа для определения достоверности событий. Недавно конфликтующие отношения точек зрения были включены для построения однородной сети достоверности среди твитов и направления процесса оценки их достоверности [37].

4. Оценка эффективности обнаружения

В этом разделе мы обсуждаем, как оценить производительность алгоритмов для обнаружения фейковых новостей. Мы сосредотачиваемся на доступных наборах данных и метриках оценки для этой задачи.

4.1 Наборы данных

Онлайн-новости могут быть собраны из различных источников, таких как домашние страницы новостных агентств, поисковые системы и веб-сайты социальных сетей. Однако ручное определение достоверности новостей является сложной задачей, обычно требующей аннотаторов с экспертизой в предметной области, которые проводят тщательный анализ утверждений, дополнительных доказательств, контекста и отчетов из авторитетных источников. Обычно новостные данные с аннотациями могут быть собраны следующими способами: Эксперты-журналисты, Веб-сайты проверки фактов, Промышленные детекторы и Краудсорсинговые работники. Однако нет согласованных эталонных наборов данных для проблемы обнаружения фейковых новостей. Некоторые общедоступные наборы данных перечислены ниже:

В таблице 1 мы сравниваем эти общедоступные наборы данных для обнаружения фейковых новостей, выделяя признаки, которые могут быть извлечены из каждого набора данных. Мы видим, что ни один существующий общедоступный набор данных не может предоставить все возможные интересующие признаки. Кроме того, эти наборы данных также имеют конкретные ограничения, которые делают их сложными для использования для обнаружения фейковых новостей. BuzzFeedNews содержит только заголовки и текст для каждой новостной статьи и охватывает новостные статьи очень немногих новостных агентств. LIAR включает в основном краткие утверждения, а не все содержание новостей. Кроме того, эти утверждения собраны от различных ораторов, а не издателей новостей, и могут включать некоторые утверждения, которые не являются фейковыми новостями. Данные BS Detector собраны и аннотированы с использованием разработанного инструмента проверки достоверности новостей. Поскольку метки не были должным образом проверены экспертами-людьми, любая модель, обученная на этих данных, фактически изучает параметры BS Detector, а не размеченную экспертами основную истину фейковых новостей. Наконец, CREDBANK изначально был собран для оценки достоверности твитов, поэтому твиты в этом наборе данных на самом деле не являются социальной вовлеченностью для конкретных новостных статей.

Чтобы устранить недостатки существующих наборов данных для обнаружения фейковых новостей, у нас есть текущий проект по разработке пригодного набора данных для обнаружения фейковых новостей в социальных сетях. Этот набор данных, называемый FakeNewsNet20, включает все упомянутые признаки содержания новостей и социального контекста с надежными метками основной истины фейковых новостей.

Набор данныхПризнакиСодержание новостейСоциальный контекстОписание
BuzzFeedNewsЛингвистические1627 статей от 9 новостных агентств во время выборов в США 2016 года
LIARЛингвистические12 836 кратких утверждений, размеченных людьми, из PolitiFact
BS DetectorЛингвистическиеСобран из расширения для браузера для проверки достоверности новостей
CREDBANKЛингвистические, Визуальные, Пользовательские, Посты, Сети60 миллионов твитов, охватывающих более 1000 новостных событий
Таблица 1: Сравнение наборов данных для обнаружения фейковых новостей.

4.2 Метрики оценки

Для оценки производительности алгоритмов для проблемы обнаружения фейковых новостей использовались различные метрики оценки. В этом подразделе мы рассматриваем наиболее широко используемые метрики для обнаружения фейковых новостей. Большинство существующих подходов рассматривают проблему фейковых новостей как проблему классификации, которая предсказывает, является ли новостная статья фейковой или нет:

Формулируя это как проблему классификации, мы можем определить следующие метрики:

Precision = |TP| / (|TP| + |FP|)
Recall = |TP| / (|TP| + |FN|)
F1 = 2 · (Precision · Recall) / (Precision + Recall)
Accuracy = (|TP| + |TN|) / (|TP| + |TN| + |FP| + |FN|)

Эти метрики обычно используются в сообществе машинного обучения и позволяют нам оценить производительность классификатора с разных точек зрения. В частности, точность измеряет сходство между предсказанными фейковыми новостями и реальными фейковыми новостями. Precision измеряет долю всех обнаруженных фейковых новостей, которые аннотированы как фейковые новости, решая важную проблему идентификации того, какие новости являются фейковыми. Однако, поскольку наборы данных фейковых новостей часто смещены, высокая точность может быть легко достигнута путем меньшего количества положительных предсказаний. Таким образом, полнота используется для измерения чувствительности, или доли аннотированных фейковых новостных статей, которые предсказаны как фейковые новости. F1 используется для объединения точности и полноты, что может обеспечить общую производительность предсказания для обнаружения фейковых новостей. Обратите внимание, что для Precision, Recall, F1 и Accuracy, чем выше значение, тем лучше производительность.

Кривая рабочих характеристик приемника (ROC) предоставляет способ сравнения производительности классификаторов, рассматривая компромисс между частотой ложных срабатываний (FPR) и частотой истинных срабатываний (TPR). Чтобы нарисовать кривую ROC, мы строим FPR по оси x и TPR по оси y. Кривая ROC сравнивает производительность разных классификаторов, изменяя распределение классов через порог. TPR и FPR определяются следующим образом (обратите внимание, что TPR совпадает с полнотой, определенной выше):

TPR = |TP| / (|TP| + |FN|)
FPR = |FP| / (|FP| + |TN|)

На основе кривой ROC мы можем вычислить значение площади под кривой (AUC), которое измеряет общую производительность того, насколько вероятно, что классификатор ранжирует фейковые новости выше, чем любые настоящие новости. На основе [30] AUC определяется следующим образом.

AUC = (Σ(ri) - n0(n0 + 1)/2) / (n0n1)

где ri — ранг i-й фейковой новости, а n0 (n1) — количество фейковых (настоящих) новостей. Стоит упомянуть, что AUC более статистически согласован и более дискриминативен, чем точность [47], и обычно применяется в проблеме несбалансированной классификации, такой как классификация фейковых новостей, где количество аннотированных фейковых новостных статей и настоящих новостных статей имеет очень несбалансированное распределение.

Будущие направления и открытые проблемы для обнаружения фейковых новостей в социальных сетях
Рис. 2 Будущие направления и открытые проблемы для обнаружения фейковых новостей в социальных сетях

5. Связанные области

В этом разделе мы дополнительно обсуждаем области, связанные с проблемой обнаружения фейковых новостей. Мы стремимся указать на различия между этими областями и обнаружением фейковых новостей, кратко объясняя цели задач и выделяя некоторые популярные методы.

5.1 Классификация слухов

Слух обычно можно определить как "фрагмент циркулирующей информации, статус достоверности которой еще предстоит проверить во время распространения" [102]. Функция слуха состоит в том, чтобы придать смысл неоднозначной ситуации, а значение правдивости может быть истинным, ложным или непроверенным. Предыдущие подходы к анализу слухов сосредотачиваются на четырех подзадачах: обнаружение слухов, отслеживание слухов, классификация позиций и проверка достоверности [102]. В частности, обнаружение слухов направлено на классификацию фрагмента информации как слух или не-слух [96; 70]; отслеживание слухов направлено на сбор и фильтрацию постов, обсуждающих конкретные слухи; классификация позиций слуха определяет, как каждый соответствующий пост ориентирован относительно достоверности слуха; проверка достоверности пытается предсказать фактическое значение истинности слуха. Наиболее связанной задачей с обнаружением фейковых новостей является проверка достоверности слухов. Проверка достоверности слухов сильно зависит от других подзадач, требуя, чтобы позиции или мнения могли быть извлечены из соответствующих постов. Эти посты рассматриваются как важные сенсоры для определения достоверности слуха. В отличие от слухов, которые могут включать долгосрочные слухи, такие как теории заговора, а также краткосрочные возникающие слухи, фейковые новости относятся к информации, связанной конкретно с публичными новостными событиями, которые могут быть проверены как ложные.

5.2 Обнаружение истины

Обнаружение истины — это проблема обнаружения истинных фактов из нескольких противоречивых источников [46]. Методы обнаружения истины не исследуют утверждения фактов напрямую, а полагаются на набор противоречащих друг другу источников, которые записывают свойства объектов для определения значения истинности. Обнаружение истины направлено на определение достоверности источника и правдивости объекта одновременно. Проблема обнаружения фейковых новостей может выиграть от различных аспектов подходов обнаружения истины в различных сценариях. Во-первых, достоверность различных новостных изданий может быть смоделирована для определения правдивости сообщаемых новостей. Во-вторых, соответствующие посты в социальных сетях также могут быть смоделированы как источники социального ответа для лучшего определения правдивости утверждений [56; 93]. Однако есть некоторые другие проблемы, которые должны быть рассмотрены для применения обнаружения истины к обнаружению фейковых новостей в сценариях социальных сетей. Во-первых, большинство существующих методов обнаружения истины сосредотачиваются на обработке структурированного ввода в форме кортежей Субъект-Предикат-Объект (SPO), в то время как данные социальных сетей сильно неструктурированы и зашумлены. Во-вторых, методы обнаружения истины не могут быть хорошо применены, когда фейковая новостная статья только что запущена и опубликована лишь несколькими новостными изданиями, потому что в этот момент недостаточно постов в социальных сетях, относящихся к ней, чтобы служить дополнительными источниками.

5.3 Обнаружение кликбейта

Кликбейт — это термин, обычно используемый для описания привлекающих внимание и провокационных заголовков в онлайн-медиа. Заголовки-кликбейты создают так называемый "любопытный разрыв", увеличивая вероятность того, что читатель нажмет на целевую ссылку, чтобы удовлетворить свое любопытство. Существующие подходы к обнаружению кликбейта используют различные лингвистические признаки, извлеченные из провокационных сообщений, связанных веб-страниц и метаинформации твитов [12; 8; 63]. Различные типы кликбейта категоризируются, и некоторые из них сильно коррелируют с нефактологическими утверждениями [7]. Основная мотивация кликбейта обычно заключается в показах кликов и результирующем доходе от рекламы. Таким образом, основной текст статей-кликбейтов часто неформально организован и плохо аргументирован. Это несоответствие использовалось исследователями для идентификации несоответствия между заголовками и содержанием новостей в попытке обнаружить фейковые новостные статьи21. Хотя не все фейковые новости могут включать кликбейт-заголовки, конкретные кликбейт-заголовки могли бы служить важным индикатором, и различные признаки могут быть использованы для помощи в обнаружении фейковых новостей.

5.4 Обнаружение спамеров и ботов

Обнаружение спамеров в социальных сетях, которое направлено на захват злонамеренных пользователей, координирующихся между собой для запуска различных атак, таких как распространение рекламы, распространение порнографии, доставка вирусов и фишинг [44], в последнее время привлекает широкое внимание. Существующие подходы для обнаружения социальных спамеров в основном полагаются на извлечение признаков из активности пользователей и информации социальной сети [35; 95; 33; 34]. Кроме того, рост социальных ботов также увеличил циркуляцию ложной информации, поскольку они автоматически ретвитят посты без проверки фактов [23]. Основная проблема, создаваемая социальными ботами, заключается в том, что они могут создавать ложное впечатление, что информация очень популярна и одобрена многими людьми, что позволяет эффекту эхо-камеры для распространения фейковых новостей. Предыдущие подходы для обнаружения ботов основаны на информации социальной сети, краудсорсинге и дискриминативных признаках [23; 55; 54]. Таким образом, как спамеры, так и социальные боты могли бы предоставить информацию о целевых конкретных злонамеренных аккаунтах в социальных сетях, которые могут быть использованы для обнаружения фейковых новостей.

6. Открытые проблемы и будущие исследования

В этом разделе мы представляем некоторые открытые проблемы в обнаружении фейковых новостей и будущие направления исследований. Обнаружение фейковых новостей в социальных сетях — это новая развивающаяся область исследований, поэтому мы стремимся указать перспективные направления исследований с точки зрения интеллектуального анализа данных. В частности, как показано на рисунке 2, мы намечаем направления исследований в четырех категориях: Ориентированные на данные, Ориентированные на признаки, Ориентированные на модели и Ориентированные на приложения.

6.1 Ориентированные на данные

Исследования фейковых новостей, ориентированные на данные, сосредоточены на различных видах характеристик данных, таких как: набор данных, временные и психологические. С точки зрения набора данных, мы продемонстрировали, что не существует существующего эталонного набора данных, который включает ресурсы для извлечения всех соответствующих признаков. Перспективным направлением является создание комплексного и крупномасштабного эталонного набора данных по фейковым новостям, который может быть использован исследователями для облегчения дальнейших исследований в этой области. С временной точки зрения, распространение фейковых новостей в социальных сетях демонстрирует уникальные временные паттерны, отличные от настоящих новостей. Вдоль этой линии, одной интересной проблемой является выполнение раннего обнаружения фейковых новостей, которое направлено на раннее оповещение о фейковых новостях во время процесса распространения. Например, этот подход мог бы рассматривать только посты в социальных сетях в течение некоторой временной задержки от оригинального поста в качестве источников для проверки новостей [37]. Обнаружение фейковых новостей на ранней стадии может помочь предотвратить дальнейшее распространение в социальных сетях. С психологической точки зрения, различные аспекты фейковых новостей были качественно исследованы в литературе по социальной психологии [92; 58; 59], но количественные исследования для проверки этих психологических факторов довольно ограничены. Например, эффект эхо-камеры играет важную роль для распространения фейковых новостей в социальных сетях. Тогда как захватить эффекты эхо-камеры и как использовать паттерн для обнаружения фейковых новостей в социальных сетях могло бы быть интересным исследованием. Более того, обнаружение намерения из новостных данных является перспективным, но ограничено, поскольку большинство существующих исследований фейковых новостей сосредотачиваются на обнаружении достоверности, но игнорируют аспект намерения фейковых новостей. Обнаружение намерения очень сложно, поскольку намерение часто явно недоступно. Таким образом, стоит исследовать, как использовать методы интеллектуального анализа данных для проверки и захвата психологических намерений.

6.2 Ориентированные на признаки

Исследования фейковых новостей, ориентированные на признаки, направлены на определение эффективных признаков для обнаружения фейковых новостей из нескольких источников данных. Мы продемонстрировали, что есть два основных источника данных: содержание новостей и социальный контекст. С точки зрения содержания новостей, мы представили лингвистические и визуальные техники для извлечения признаков из текстовой информации. Обратите внимание, что лингвистические признаки были широко изучены для общих задач NLP, таких как классификация текста и кластеризация, и специфических приложений, таких как идентификация автора [32] и обнаружение обмана [22], но лежащие в основе характеристики фейковых новостей не были полностью поняты. Более того, техники встраивания, такие как встраивание слов и глубокие нейронные сети, привлекают много внимания для извлечения текстовых признаков и имеют потенциал для изучения лучших представлений [90; 87; 88]. Кроме того, визуальные признаки, извлеченные из изображений, также показали себя важными индикаторами для фейковых новостей [38]. Однако очень ограниченные исследования были проведены для использования эффективных визуальных признаков, включая традиционные локальные и глобальные признаки [61] и новые признаки на основе глубоких сетей [43; 89; 85], для проблемы обнаружения фейковых новостей. Недавно было показано, что продвинутые инструменты могут манипулировать видеозаписями публичных лиц [80], синтезировать высококачественные видео [74] и т.д. Таким образом, становится гораздо сложнее и важнее различать реальный и фальшивый визуальный контент, и для этого исследования необходимы более продвинутые визуальные признаки. С точки зрения социального контекста, мы представили признаки на основе пользователей, постов и сетей. Существующие признаки на основе пользователей в основном сосредотачиваются на общих профилях пользователей, а не на отдельном различении типов аккаунтов и извлечении пользовательских признаков. Признаки на основе постов могут быть представлены с использованием других техник, таких как сверточные нейронные сети (CNN) [69], чтобы лучше захватывать мнения и реакции людей на фейковые новости. Изображения в постах социальных сетей также могут быть использованы для лучшего понимания настроений пользователей [91] относительно новостных событий. Признаки на основе сетей извлекаются для представления того, как построены различные типы сетей. Важно расширить эту предварительную работу, чтобы исследовать (i) как другие сети могут быть построены с точки зрения различных аспектов отношений среди соответствующих пользователей и постов; и (ii) другие продвинутые методы сетевых представлений, такие как встраивание сетей [78; 86].

6.3 Ориентированные на модели

Исследования фейковых новостей, ориентированные на модели, открывают дверь для построения более эффективных и практичных моделей для обнаружения фейковых новостей. Большинство ранее упомянутых подходов сосредотачиваются на извлечении различных признаков, включении этих признаков в контролируемые классификационные модели, такие как наивный Байес, дерево решений, логистическая регрессия, k ближайших соседей (KNN) и машины опорных векторов (SVM), а затем выборе классификатора, который показывает наилучшую производительность [62; 75; 1]. Больше исследований может быть сделано для построения более сложных и эффективных моделей и лучшего использования извлеченных признаков, таких как методы агрегации, вероятностные методы, ансамблевые методы или методы проекции [73]. В частности, мы думаем, что есть некоторые перспективные исследования в следующих направлениях. Во-первых, методы агрегации объединяют различные представления признаков в взвешенную форму и оптимизируют веса признаков. Во-вторых, поскольку фейковые новости могут обычно смешивать истинные утверждения с ложными заявлениями, может быть более разумным предсказывать вероятность фейковых новостей вместо производства бинарного значения; вероятностные модели предсказывают вероятностное распределение меток классов (т.е., фейковые новости против настоящих новостей), предполагая генеративную модель, которая берет из того же распределения, что и исходное пространство признаков [25]. В-третьих, одним из основных вызовов для обнаружения фейковых новостей является тот факт, что каждый признак, такой как достоверность источника, стиль содержания новостей или социальный ответ, имеет некоторые ограничения для непосредственного предсказания фейковых новостей самостоятельно. Ансамблевые методы строят конъюнкцию нескольких слабых классификаторов для изучения сильного классификатора, который более успешен, чем любой отдельный классификатор; ансамбли были широко применены к различным приложениям в литературе по машинному обучению [20]. Может быть полезно строить ансамблевые модели, поскольку признаки содержания новостей и социального контекста имеют дополнительную информацию, которая имеет потенциал для повышения производительности обнаружения фейковых новостей. Наконец, содержание фейковых новостей или информация социального контекста могут быть зашумлены в исходном пространстве признаков; методы проекции относятся к подходам, которые учат функции проекции для отображения между исходными пространствами признаков (например, признаки содержания новостей и признаки социального контекста) и скрытыми пространствами признаков, которые могут быть более полезными для классификации.

Более того, большинство существующих подходов являются контролируемыми, что требует предварительно аннотированного набора данных основной истины фейковых новостей для обучения модели. Однако получение надежного набора данных фейковых новостей очень время- и трудозатратно, поскольку процесс часто требует экспертов-аннотаторов для тщательного анализа утверждений, дополнительных доказательств, контекста и отчетов из авторитетных источников. Таким образом, также важно рассматривать сценарии, где ограниченное или отсутствующее количество размеченных фейковых новостей доступно, в которых могут быть применены полуконтролируемые или неконтролируемые модели. В то время как модели, созданные методами контролируемой классификации, могут быть более точными при наличии хорошо подобранного набора данных основной истины для обучения, неконтролируемые модели могут быть более практичными, потому что неразмеченные наборы данных легче получить.

6.4 Ориентированные на приложения

Исследования фейковых новостей, ориентированные на приложения, охватывают исследования, которые выходят в другие области за пределами обнаружения фейковых новостей. Мы предлагаем два основных направления по этим линиям: распространение фейковых новостей и вмешательство в фейковые новости. Распространение фейковых новостей характеризует пути распространения и паттерны фейковых новостей на сайтах социальных сетей. Некоторые ранние исследования показали, что истинная информация и дезинформация следуют разным паттернам при распространении в онлайн-социальных сетях [18; 51]. Аналогично, распространение фейковых новостей в социальных сетях демонстрирует свои собственные характеристики, которые нуждаются в дальнейшем исследовании, такие как социальные размерности, жизненный цикл, идентификация распространителей и т.д. Социальные размерности относятся к гетерогенности и слабой зависимости социальных связей внутри разных социальных сообществ. Восприятие пользователями фейковых новостей сильно зависит от их единомышленников в социальных сетях (т.е., эхо-камер), в то время как степень отличается вдоль разных социальных размерностей. Таким образом, стоит исследовать, почему и как различные социальные размерности играют роль в распространении фейковых новостей с точки зрения разных тем, таких как политические, образовательные, спортивные и т.д. Процесс распространения фейковых новостей также имеет разные стадии с точки зрения внимания и реакций людей со временем, что приводит к уникальному жизненному циклу. Исследования показали, что экстренные новости и глубокие новости демонстрируют разные жизненные циклы в социальных сетях [10]. Изучение жизненного цикла фейковых новостей предоставит более глубокое понимание того, как определенные истории "становятся вирусными" из нормального публичного дискурса. Отслеживание жизненного цикла фейковых новостей в социальных сетях требует записи основных траекторий распространения фейковых новостей в целом [71], а также дальнейших исследований процесса для конкретных фейковых новостей, таких как модели на основе графов и модели на основе эволюции [27]. Кроме того, идентификация ключевых распространителей фейковых новостей имеет решающее значение для смягчения масштаба распространения в социальных сетях. Обратите внимание, что ключевые распространители могут быть категоризированы двумя способами, т.е., позиция и достоверность. Вдоль размерности позиции, распространители могут быть либо (i) разъяснителями, которые предлагают скептические и противоположные точки зрения на фейковые новости и пытаются их разъяснить; либо (ii) убедителями, которые распространяют фейковые новости с поддерживающими мнениями, чтобы убедить других поверить в них. В этом смысле, важно исследовать, как обнаруживать разъяснителей и убедителей и лучше использовать их для контроля распространения фейковых новостей. С точки зрения достоверности, распространители могут быть либо людьми, ботами или киборгами. Социальные боты использовались для преднамеренного распространения фейковых новостей в социальных сетях, что мотивирует дальнейшие исследования для лучшей характеристики и обнаружения злонамеренных аккаунтов, разработанных для пропаганды.

Наконец, мы также предлагаем дальнейшие исследования в области вмешательства в фейковые новости, которое направлено на уменьшение эффектов фейковых новостей с помощью проактивных методов вмешательства, которые минимизируют масштаб распространения, или реактивных методов вмешательства после того, как фейковые новости становятся вирусными. Проактивные методы вмешательства в фейковые новости пытаются (i) удалить злонамеренные аккаунты, которые распространяют фейковые новости, или сами фейковые новости, чтобы изолировать их от будущих потребителей; (ii) иммунизировать пользователей настоящими новостями, чтобы изменить убеждение пользователей, которые уже могли быть затронуты фейковыми новостями. Есть недавние исследования, которые пытаются использовать методы иммунизации на основе содержания и на основе сети в вмешательстве в дезинформацию [94; 97]. Один подход использует многомерных ястребов для моделирования как настоящих, так и фейковых новостей и смягчения распространения фейковых новостей в реальном времени [21]. Упомянутые выше техники обнаружения распространителей также могут быть применены для таргетинга определенных пользователей (например, убедителей) в социальных сетях, чтобы остановить распространение фейковых новостей, или других пользователей (например, разъяснителей), чтобы максимизировать распространение соответствующих настоящих новостей.

7. Заключение

С ростом популярности социальных сетей все больше и больше людей потребляют новости из социальных сетей, а не из традиционных средств массовой информации. Однако социальные сети также использовались для распространения фейковых новостей, что оказывает сильное негативное влияние на отдельных пользователей и общество в целом. В этой статье мы исследовали проблему фейковых новостей, рассмотрев существующую литературу в двух фазах: характеристика и обнаружение. На этапе характеристики мы представили основные концепции и принципы фейковых новостей как в традиционных средствах массовой информации, так и в социальных сетях. На этапе обнаружения мы рассмотрели существующие подходы к обнаружению фейковых новостей с точки зрения интеллектуального анализа данных, включая извлечение признаков и построение модели. Мы также обсудили наборы данных, метрики оценки и перспективные будущие направления в исследованиях по обнаружению фейковых новостей и расширили область до других приложений.

8. Список литературы

[1] Sadia Afroz, Michael Brennan, and Rachel Greenstadt. Detecting hoaxes, frauds, and deception in writing style online. In ISSP'12.
[2] Hunt Allcott and Matthew Gentzkow. Social media and fake news in the 2016 election. Technical report, National Bureau of Economic Research, 2017.
[3] Solomon E Asch and H Guetzkow. Effects of group pressure upon the modification and distortion of judgments. Groups, leadership, and men, pages 222–236, 1951.
[4] Meital Balmas. When fake news becomes real: Combined exposure to multiple news sources and political attitudes of inefficacy, alienation, and cynicism. Communication Research, 41(3):430–454, 2014.
[5] Michele Banko, Michael J Cafarella, Stephen Soderland, Matthew Broadhead, and Oren Etzioni. Open information extraction from the web. In IJCAI'07.
[6] Alessandro Bessi and Emilio Ferrara. Social bots distort the 2016 us presidential election online discussion. First Monday, 21(11), 2016.
[7] Prakhar Biyani, Kostas Tsioutsiouliklis, and John Blackmer. "8 amazing secrets for getting more clicks": Detecting clickbaits in news streams using article informality. In AAAI'16.
[8] Jonas Nygaard Blom and Kenneth Reinecke Hansen. Click bait: Forward-reference as lure in online news headlines. Journal of Pragmatics, 76:87–100, 2015.
[9] Paul R Brewer, Dannagal Goldthwaite Young, and Michelle Morreale. The impact of real news about fake news: Intertextual processes and political satire. International Journal of Public Opinion Research, 25(3):323–343, 2013.
[10] Carlos Castillo, Mohammed El-Haddad, Jürgen Pfeffer, and Matt Stempeck. Characterizing the life cycle of online news stories using social media reactions. In CSCW'14.
[11] Carlos Castillo, Marcelo Mendoza, and Barbara Poblete. Information credibility on twitter. In WWW'11.
[12] Abhijnan Chakraborty, Bhargavi Paranjape, Sourya Kakarla, and Niloy Ganguly. Stop clickbait: Detecting and preventing clickbaits in online news media. In ASONAM'16.
[13] Yimin Chen, Niall J Conroy, and Victoria L Rubin. Misleading online content: Recognizing clickbait as false news. In Proceedings of the 2015 ACM on Workshop on Multimodal Deception Detection, pages 15–19. ACM, 2015.
[14] Justin Cheng, Michael Bernstein, Cristian Danescu-Niculescu-Mizil, and Jure Leskovec. Anyone can become a troll: Causes of trolling behavior in online discussions. In CSCW '17.
[15] Zi Chu, Steven Gianvecchio, Haining Wang, and Sushil Jajodia. Detecting automation of twitter accounts: Are you a human, bot, or cyborg? IEEE Transactions on Dependable and Secure Computing, 9(6):811–824, 2012.
[16] Giovanni Luca Ciampaglia, Prashant Shiralkar, Luis M Rocha, Johan Bollen, Filippo Menczer, and Alessandro Flammini. Computational fact checking from knowledge networks. PloS one, 10(6):e0128193, 2015.
[17] Niall J Conroy, Victoria L Rubin, and Yimin Chen. Automatic deception detection: Methods for finding fake news. Proceedings of the Association for Information Science and Technology, 52(1):1–4, 2015.
[18] Michela Del Vicario, Alessandro Bessi, Fabiana Zollo, Fabio Petroni, Antonio Scala, Guido Caldarelli, H Eugene Stanley, and Walter Quattrociocchi. The spreading of misinformation online. Proceedings of the National Academy of Sciences, 113(3):554–559, 2016.
[19] Michela Del Vicario, Gianna Vivaldo, Alessandro Bessi, Fabiana Zollo, Antonio Scala, Guido Caldarelli, and Walter Quattrociocchi. Echo chambers: Emotional contagion and group polarization on facebook. Scientific Reports, 6, 2016.
[20] Thomas G Dietterich et al. Ensemble methods in machine learning. Multiple classifier systems, 1857:1–15, 2000.
[21] Mehrdad Farajtabar, Jiachen Yang, Xiaojing Ye, Huan Xu, Rakshit Trivedi, Elias Khalil, Shuang Li, Le Song, and Hongyuan Zha. Fake news mitigation via point process based intervention. arXiv preprint arXiv:1703.07823, 2017.
[22] Song Feng, Ritwik Banerjee, and Yejin Choi. Syntactic stylometry for deception detection. In ACL'12.
[23] Emilio Ferrara, Onur Varol, Clayton Davis, Filippo Menczer, and Alessandro Flammini. The rise of social bots. Communications of the ACM, 59(7):96–104, 2016.
[24] Johannes Fürnkranz. A study using n-gram features for text categorization. Austrian Research Institute for Artifical Intelligence, 3(1998):1–10, 1998.
[25] Ashutosh Garg and Dan Roth. Understanding probabilistic classifiers. ECML'01.
[26] Matthew Gentzkow, Jesse M Shapiro, and Daniel F Stone. Media bias in the marketplace: Theory. Technical report, National Bureau of Economic Research, 2014.
[27] Adrien Guille, Hakim Hacid, Cecile Favre, and Djamel A Zighed. Information diffusion in online social networks: A survey. ACM Sigmod Record, 42(2):17–28, 2013.
[28] Aditi Gupta, Hemank Lamba, Ponnurangam Kumaraguru, and Anupam Joshi. Faking sandy: characterizing and identifying fake images on twitter during hurricane sandy. In WWW'13.
[29] Manish Gupta, Peixiang Zhao, and Jiawei Han. Evaluating event credibility on twitter. In PSDM'12.
[30] David J Hand and Robert J Till. A simple generalisation of the area under the roc curve for multiple class classification problems. Machine learning, 2001.
[31] Naeemul Hassan, Chengkai Li, and Mark Tremayne. Detecting check-worthy factual claims in presidential debates. In CIKM'15.
[32] John Houvardas and Efstathios Stamatatos. N-gram feature selection for authorship identification. Artificial Intelligence: Methodology, Systems, and Applications, pages 77–86, 2006.
[33] Xia Hu, Jiliang Tang, Huiji Gao, and Huan Liu. Social spammer detection with sentiment information. In ICDM'14.
[34] Xia Hu, Jiliang Tang, and Huan Liu. Online social spammer detection. In AAAI'14, pages 59–65, 2014.
[35] Xia Hu, Jiliang Tang, Yanchao Zhang, and Huan Liu. Social spammer detection in microblogging. In IJCAI'13.
[36] Zhiwei Jin, Juan Cao, Yu-Gang Jiang, and Yongdong Zhang. News credibility evaluation on microblog with a hierarchical propagation model. In ICDM'14.
[37] Zhiwei Jin, Juan Cao, Yongdong Zhang, and Jiebo Luo. News verification by exploiting conflicting social viewpoints in microblogs. In AAAI'16.
[38] Zhiwei Jin, Juan Cao, Yongdong Zhang, Jianshe Zhou, and Qi Tian. Novel visual and statistical image features for microblogs news verification. IEEE Transactions on Multimedia, 19(3):598–608, 2017.
[39] Daniel Kahneman and Amos Tversky. Prospect theory: An analysis of decision under risk. Econometrica: Journal of the econometric society, pages 263–291, 1979.
[40] Jean-Noel Kapferer. Rumors: Uses, Interpretation and Necessity. Routledge, 2017.
[41] David O Klein and Joshua R Wueller. Fake news: A legal perspective. 2017.
[42] Sejeong Kwon, Meeyoung Cha, Kyomin Jung, Wei Chen, and Yajun Wang. Prominent features of rumor propagation in online social media. In ICDM'13, pages 1103–1108. IEEE, 2013.
[43] Yann LeCun, Yoshua Bengio, and Geoffrey Hinton. Deep learning. Nature, 521(7553):436–444, 2015.
[44] Kyumin Lee, James Caverlee, and Steve Webb. Uncovering social spammers: social honeypots+ machine learning. In SIGIR'10.
[45] Tony Lesce. Scan: Deception detection by scientific content analysis. Law and Order, 38(8):3–6, 1990.
[46] Yaliang Li, Jing Gao, Chuishi Meng, Qi Li, Lu Su, Bo Zhao, Wei Fan, and Jiawei Han. A survey on truth discovery. ACM Sigkdd Explorations Newsletter, 17(2):1–16, 2016.
[47] Charles X Ling, Jin Huang, and Harry Zhang. Auc: a statistically consistent and more discriminating measure than accuracy.
[48] Jing Ma, Wei Gao, Prasenjit Mitra, Sejeong Kwon, Bernard J Jansen, Kam-Fai Wong, and Meeyoung Cha. Detecting rumors from microblogs with recurrent neural networks.
[49] Jing Ma, Wei Gao, Zhongyu Wei, Yueming Lu, and Kam-Fai Wong. Detect rumors using time series of social context information on microblogging websites. In CIKM'15.
[50] Amr Magdy and Nayer Wanas. Web-based statistical fact checking of textual documents. In Proceedings of the 2nd international workshop on Search and mining user-generated contents, pages 103–110. ACM, 2010.
[51] Filippo Menczer. The spread of misinformation in social media. In WWW'16.
[52] Tanushree Mitra and Eric Gilbert. Credbank: A large-scale social media corpus with associated credibility annotations. In ICWSM'15.
[53] Saif M Mohammad, Parinaz Sobhani, and Svetlana Kiritchenko. Stance and sentiment in tweets. ACM Transactions on Internet Technology (TOIT), 17(3):26, 2017.
[54] Fred Morstatter, Harsh Dani, Justin Sampson, and Huan Liu. Can one tamper with the sample api?: Toward neutralizing bias from spam and bot content. In WWW'16.
[55] Fred Morstatter, Liang Wu, Tahora H Nazer, Kathleen M Carley, and Huan Liu. A new approach to bot detection: Striking the balance between precision and recall. In ASONAM'16.
[56] Subhabrata Mukherjee and Gerhard Weikum. Leveraging joint interactions for credibility analysis in news communities. In CIKM'15.
[57] Eni Mustafaraj and Panagiotis Takis Metaxas. The fake news spreading plague: Was it preventable? arXiv preprint arXiv:1703.06988, 2017.
[58] Raymond S Nickerson. Confirmation bias: A ubiquitous phenomenon in many guises. Review of general psychology, 2(2):175, 1998.
[59] Brendan Nyhan and Jason Reifler. When corrections fail: The persistence of political misperceptions. Political Behavior, 32(2):303–330, 2010.
[60] Christopher Paul and Miriam Matthews. The russian firehose of falsehood propaganda model.
[61] Dong ping Tian et al. A review on image feature extraction and representation techniques. International Journal of Multimedia and Ubiquitous Engineering, 8(4):385–396, 2013.
[62] Martin Potthast, Johannes Kiesel, Kevin Reinartz, Janek Bevendorff, and Benno Stein. A stylometric inquiry into hyperpartisan and fake news. arXiv preprint arXiv:1702.05638, 2017.
[63] Martin Potthast, Sebastian Köpsel, Benno Stein, and Matthias Hagen. Clickbait detection. In European Conference on Information Retrieval, pages 810–817. Springer, 2016.
[64] Vahed Qazvinian, Emily Rosengren, Dragomir R Radev, and Qiaozhu Mei. Rumor has it: Identifying misinformation in microblogs. In EMNLP'11.
[65] Walter Quattrociocchi, Antonio Scala, and Cass R Sunstein. Echo chambers on facebook. 2016.
[66] Victoria L Rubin, Yimin Chen, and Niall J Conroy. Deception detection for news: three types of fakes. Proceedings of the Association for Information Science and Technology, 52(1):1–4, 2015.
[67] Victoria L Rubin, Niall J Conroy, Yimin Chen, and Sarah Cornwell. Fake news or truth? using satirical cues to detect potentially misleading news. In Proceedings of NAACL-HLT, pages 7–17, 2016.
[68] Victoria L Rubin and Tatiana Lukoianova. Truth and deception at the rhetorical structure level. Journal of the Association for Information Science and Technology, 66(5):905–917, 2015.
[69] Natali Ruchansky, Sungyong Seo, and Yan Liu. Csi: A hybrid deep model for fake news. arXiv preprint arXiv:1703.06959, 2017.
[70] Justin Sampson, Fred Morstatter, Liang Wu, and Huan Liu. Leveraging the implicit structure within social media for emergent rumor detection. In CIKM'15.
[71] Chengcheng Shao, Giovanni Luca Ciampaglia, Alessandro Flammini, and Filippo Menczer. Hoaxy: A platform for tracking online misinformation. In WWW'16.
[72] Baoxu Shi and Tim Weninger. Fact checking in heterogeneous information networks. In WWW'16.
[73] Kai Shu, Suhang Wang, Jiliang Tang, Reza Zafarani, and Huan Liu. User identity linkage across online social networks: A review. ACM SIGKDD Explorations Newsletter, 18(2):5–17, 2017.
[74] Supasorn Suwajanakorn, Steven M Seitz, and Ira Kemelmacher-Shlizerman. Synthesizing obama: learning lip sync from audio. ACM Transactions on Graphics (TOG), 36(4):95, 2017.
[75] Eugenio Tacchini, Gabriele Ballarin, Marco L Della Vedova, Stefano Moret, and Luca de Alfaro. Some like it hoax: Automated fake news detection in social networks. arXiv preprint arXiv:1704.07506, 2017.
[76] Henri Tajfel and John C Turner. An integrative theory of intergroup conflict. The social psychology of intergroup relations, 33(47):74, 1979.
[77] Henri Tajfel and John C Turner. The social identity theory of intergroup behavior. 2004.
[78] Jian Tang, Meng Qu, Mingzhe Wang, Ming Zhang, Jun Yan, and Qiaozhu Mei. Line: Large-scale information network embedding. In WWW'15.
[79] Jiliang Tang, Yi Chang, and Huan Liu. Mining social media with social theories: a survey. ACM SIGKDD Explorations Newsletter, 15(2):20–29, 2014.
[80] Justus Thies, Michael Zollhofer, Marc Stamminger, Christian Theobalt, and Matthias Nießner. Face2face: Real-time face capture and reenactment of rgb videos. In CVPR'16.
[81] Amos Tversky and Daniel Kahneman. Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and uncertainty, 5(4):297–323, 1992.
[82] Udo Undeutsch. Beurteilung der glaubhaftigkeit von aussagen. Handbuch der psychologie, 11:26–181, 1967.
[83] Andreas Vlachos and Sebastian Riedel. Fact checking: Task definition and dataset construction. ACL'14.
[84] Aldert Vrij. Criteria-based content analysis: A qualitative review of the first 37 studies. Psychology, Public Policy, and Law, 11(1):3, 2005.
[85] Suhang Wang, Charu Aggarwal, Jiliang Tang, and Huan Liu. Attributed signed network embedding. In CIKM'17.
[86] Suhang Wang, Jiliang Tang, Charu Aggarwal, Yi Chang, and Huan Liu. Signed network embedding in social media. In SDM'17.
[87] Suhang Wang, Jiliang Tang, Charu Aggarwal, and Huan Liu. Linked document embedding for classification. In CIKM'16.
[88] Suhang Wang, Jiliang Tang, Fred Morstatter, and Huan Liu. Paired restricted boltzmann machine for linked data. In CIKM'16.
[89] Suhang Wang, Yilin Wang, Jiliang Tang, Kai Shu, Suhas Ranganath, and Huan Liu. What your images reveal: Exploiting visual contents for point-of-interest recommendation. In WWW'17.
[90] William Yang Wang. "Liar, liar pants on fire": A new benchmark dataset for fake news detection. arXiv preprint arXiv:1705.00648, 2017.
[91] Yilin Wang, Suhang Wang, Jiliang Tang, Huan Liu, and Baoxin Li. Unsupervised sentiment analysis for social media images. In IJCAI, pages 2378–2379, 2015.
[92] Andrew Ward, L Ross, E Reed, E Turiel, and T Brown. Naive realism in everyday life: Implications for social conflict and misunderstanding. Values and knowledge, pages 103–135, 1997.
[93] Gerhard Weikum. What computers should know, shouldn't know, and shouldn't believe. In WWW'17.
[94] L Wu, F Morstatter, X Hu, and H Liu. Chapter 5: Mining misinformation in social media, 2016.
[95] Liang Wu, Jundong Li, Xia Hu, and Huan Liu. Gleaning wisdom from the past: Early detection of emerging rumors in social media. In SDM'17.
[96] Liang Wu, Fred Morstatter, Xia Hu, and Huan Liu. Mining misinformation in social media. Big Data in Complex and Social Networks, pages 123–152, 2016.
[97] You Wu, Pankaj K Agarwal, Chengkai Li, Jun Yang, and Cong Yu. Toward computational fact-checking. Proceedings of the VLDB Endowment, 7(7):589–600, 2014.
[98] Fan Yang, Yang Liu, Xiaohui Yu, and Min Yang. Automatic detection of rumor on sina weibo. In Proceedings of the ACM SIGKDD Workshop on Mining Data Semantics, page 13. ACM, 2012.
[99] Robert B Zajonc. Attitudinal effects of mere exposure. Journal of personality and social psychology, 9(2p2):1, 1968.
[100] Robert B Zajonc. Mere exposure: A gateway to the subliminal. Current directions in psychological science, 10(6):224–228, 2001.
[101] Arkaitz Zubiaga, Ahmet Aker, Kalina Bontcheva, Maria Liakata, and Rob Procter. Detection and resolution of rumours in social media: A survey. arXiv preprint arXiv:1704.00656, 2017.

International Journal of Research Publication and Reviews