Новый ИИ может определить, является ли источник новостей точным или политически предвзятым

• Новый алгоритм машинного обучения ориентирован на источники новостей, а не только на анализ отдельных утверждений, для обнаружения фейковых и предвзятых новостей.
• Для новых новостных статей точность достигает 70%.
• Требуется всего 150 материалов, чтобы определить, можно ли доверять источнику.

Платформы социальных сетей сделали очень простым делиться и распространять информацию в Интернете. Это привело к распространению фейковых новостей, которые обычно создаются либо для того, чтобы изменить настроения людей и повлиять на крупные события, такие как политические выборы, либо для привлечения трафика и получения дохода за счет показа рекламы.

В то время как многие технологические гиганты вкладывают значительные ресурсы в создание своих собственных систем обнаружения фальшивых новостей, исследователи из Массачусетского технологического института и Института компьютерных исследований Катара считают, что лучшая стратегия обнаружения фальшивых новостей - это сосредоточиться на источниках новостей, а не просто на анализе отдельных утверждений.

Используя этот подход, они разработали новый метод на основе машинного обучения, который определяет, заслуживает ли источник доверия или нет. По сути, он характеризует СМИ в целом, прогнозируя достоверность сообщений.

Как это определяет предвзятые новости?

Идея системы заключается в том, что если сайт ранее публиковал неверные факты, есть большая вероятность, что они сделают это снова. Анализ другого содержимого таких веб-сайтов может помочь системе определить, на каких сайтах это будет сделано в первую очередь.

Чтобы надежно идентифицировать фейковые новости, можно поискать в статье общие лингвистические особенности, такие как структура, сложность и тональность. Например, в большинстве фейковых новостей используется эмоциональный, субъективный и гиперболический язык.

В этом исследовании они экспериментируют с несколькими функциями, заимствованными из

1. Содержание из целевых источников новостей,
2. свой аккаунт в Twitter и страницу в Википедии.
3. его структура URL.
4. количество посетителей, которые он получает

Они собрали данные с веб-сайта Media Bias / Fact Check. С помощью рецензентов этот веб-сайт проверяет достоверность и предвзятость почти двух тысяч новостных сайтов, включая популярные медиа-источники и фермы тонкого контента.

Ссылка:arXiv:1810.01765 | Массачусетский технологический институт

Эти данные были переданы в модель машинного обучения, которая разработана для классификации источников так же, как это делает веб-сайт, рецензируемый людьми. Модель дала впечатляющие результаты:для новых новостных статей она достигла точности 65% при определении того, имеет ли статья низкий, средний или высокий уровень фактов, и она составила 70% при определении правильности содержания. левые или умеренные.

Изображение предоставлено MIT

Исследователи утверждают, что системе требуется всего 150 содержимого, чтобы точно определить, можно ли доверять исходному веб-сайту. Таким образом, он может отфильтровывать фейковые новости до того, как они распространятся в Интернете слишком широко.

Что дальше?

В настоящее время исследователи работают над системой, чтобы повысить ее точность и заставить работать вместе с обычными анализаторами фактов. Если система выдает «странные или запутанные» результаты по определенной теме, платформы, проверяющие вручную, могут быстро проверить эти результаты и определить, какое значение следует придавать различным точкам зрения.

Авторы также создали набор данных с открытым исходным кодом почти из тысячи новостных веб-сайтов, помеченных оценками точности и предвзятости. Они также планируют выпустить мобильные приложения, чтобы помочь людям выйти из политического пузыря. Более того, они попытаются обучить систему работе с другими языками. Они хотят выйти за рамки предвзятости вправо / влево и смоделировать другие формы предубеждений, которые более актуальны для других регионов.

Прочтите:новый общий алгоритм обнаружения поддельных идентификаторов на сайтах социальных сетей

Этот тип алгоритмов может помочь людям понять, как выглядят фиктивные сайты и какие статьи они обычно публикуют.