假新闻检测方法研究与实现开题报告

1. 研究目的与意义（文献综述）

背景：

随着互联网技术的飞速发展，各种新型社交媒体不断出现并成为我们日常生活中不可或缺的一部分，人们获取信息的渠道越来越多，新闻的数量变得更庞大、成本变得更低、传播速度也更迅速。尤其是推特、脸书、微博、等大型社交网络飞速发展和日益普及，使得数以亿计的人们能够在线彼此共享各种信息，一方面，这些在线社交平台为积极信息的传播提供了极大的便利；另一方面，一些虚假新闻的出现使得它们可能成为传播恶意谣言或者是错误信息的渠道。这些虚假信息一经流传扩散轻则造成个人名誉损失和威信丧失，重则引发群众恐慌，引发社会的不稳定，甚至给国家带来巨大经济损失。因此及时的辨别出缺乏准确性的虚假新闻、阻止恶意谣言传播并使消极影响最小化变得越来越重要。

一般来说，谣言大多数起源于微博等大型社交网络平台，因其信息传播的方式使得造谣成本低廉，易于传播，后来又进入传统电视和广播新闻等主流媒体平台。当前有的质量控制手段有基于内容的算法、媒体算法、用户算法和人工审核等。在该领域进行的研究主要基于两种算法：（1）基于图像的算法，（2）基于文本的算法。基于图像的算法从图像中提取各种特征，并训练模型以基于这些特征对图像进行分类；基于文本的方法主要使用文本模式，并将其与假新闻的现有模式匹配。

2. 研究的基本内容与方案

虚假新闻与具有准确性新闻在多个层面具有差别：

1、语言层面，包括写作的风格、语言特色、词法和语法的特征以及新闻领域语言特征（引用词、外部链接、图片数量）等方面。

2、视觉层面：视觉特征和统计特征（清晰度，图像比等）。

3. 研究计划与安排

(1) 2019/12/25-2020/1/12：查阅参考文献，明确选题；

(2) 2020/1/13-2020/3/1：进一步阅读文献进行分析总结；确定技术路线，完成并提交开题报告；

(3) 2020/3/2-2020/4/26：进行算法或系统的设计、分析、比较、实现等；

4. 参考文献（12篇以上）

[1] terry traylor,jeremy straub,gurmeet,nicholas,snell.classifyingfake news articles using natural language processing to identify in-articleattribution as a supervised learning estimator, 2019 ieee 13th internationalconference on semantic computing.

[2] vishwakarma,dinesh kumar,varshney,deepika,yadav. detection andveracity analysis of fake news via scrapping and authenticating the web search.2019 elsevier b.v.(pp .217 - 229).

[3] deokjin seo, chang-sung jeong.fander: fake news detection modelusing media reliability .tencon2018 ieee region 10 conference.