《中国人工智能学会通讯》——3.15 社交媒体中的谣言识别研究及其发展趋势

简介: 本节书摘来自CCAI《中国人工智能学会通讯》一书中的第3章,第3.15节, 更多章节内容可以访问云栖社区“CCAI”公众号查看。

3.15 社交媒体中的谣言识别研究及其发展趋势

随着计算机和互联网技术的不断发展,社会已经进入了信息互联和人的互联高度融合的时代,人们可以在网络上自由地发布、传播和获取信息;人与人之间的联系也更加紧密,已经打破原有的六度分离空间现已不足五度,信息传播的方式发生了翻天覆地的变化。尤其微博(如 Twitter、新浪微博)已经成为一种新兴的、传播速度最快的在线社会媒体。截止 2015 年 9 月 30 日,新浪微博月活跃用户数已经达到 2.12 亿人1 。在这样的平台上,信息可以在几小时甚至几十分钟内在网络上传播开来,然而,它也为谣言传播提供了新的媒介,使谣言具有传播速度快、监测难度大、影响范围广以及危害程度深等特性。谣言在社交媒体上的快速传播,给社交媒体的有效利用和科学管理提出了严峻挑战,也给人们的生活和社会安定带来不良影响。因此,相关部门或人员需要采取有效的措施控制谣言的大范围传播。解决谣言问题的重要前提是能够尽早从信息中识别出谣言,然而,社交媒体以及谣言自身的特性为谣言的识别提出了极大的挑战,也成为学术界和工业界研究的焦点问题之一。

信息在社交媒体上的传播是一种集体行为,谣言作为信息的一种,包含了复杂的文化和社会背景以及人为因素,如何从众多信息中识别出谣言包含了两个关键问题:① 谣言和非谣言存在的本质区别是什么?② 谣言是否具有独特的传播规律?本文以微博为代表的在线社交媒体作为研究对象,将围绕这两个问题首先回顾已有研究工作的进展,然后介绍我们在这两个问题上的一些研究工作,最后探讨谣言识别工作的研究趋势。

相关文章
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
ChatGPT的应用与发展趋势:解析人工智能的新风口
ChatGPT的应用与发展趋势:解析人工智能的新风口
35 0
|
2月前
|
机器学习/深度学习 人工智能 算法
基于机器视觉的害虫种类及计数检测研究-人工智能项目-附代码
基于机器视觉的害虫种类及计数检测研究-人工智能项目-附代码
43 0
|
2月前
|
人工智能 自然语言处理 监控
讲解人工智能在现代科技中的应用和未来发展趋势。
讲解人工智能在现代科技中的应用和未来发展趋势。
25 0
|
2月前
|
机器学习/深度学习 人工智能 运维
未来人工智能发展趋势探析
【2月更文挑战第3天】随着人工智能技术的迅速发展,未来的人工智能将呈现出令人瞩目的发展趋势。本文将从数据驱动、自动化、跨学科融合等方面进行探讨,展望未来人工智能的发展方向。
|
30天前
|
机器学习/深度学习 人工智能 资源调度
未来人工智能技术的发展趋势与应用前景
随着人工智能技术的快速发展,未来在各个领域都将有更广泛的应用。本文探讨了人工智能技术的发展趋势以及在前端、后端开发等领域的应用前景,展望了未来人工智能将如何改变我们的生活和工作方式。
|
2月前
|
机器学习/深度学习 人工智能 物联网
《未来智能时代下的人工智能发展趋势与挑战》
【2月更文挑战第5天】随着人工智能技术的不断发展,我们迎来了智能时代的到来。本文将探讨人工智能在未来的发展趋势和面临的挑战,分析其在各个领域的应用前景和影响。
252 1
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在当代社会中的应用与未来发展趋势 摘要:
人工智能(AI)作为一种新兴技术,在当代社会中扮演着越来越重要的角色。本文将探讨人工智能的基本概念、当前在各个领域的应用情况以及未来的发展趋势。首先,我们将介绍人工智能的定义和分类,然后详细讨论人工智能在医疗、金融、制造业、交通、教育等领域的应用案例。接着,我们将分析人工智能发展面临的挑战,包括数据隐私、伦理道德等问题,并探讨如何解决这些问题以推动人工智能的发展。最后,我们将展望人工智能的未来发展趋势,包括深度学习、自然语言处理、机器人技术等方面的进展,以及人工智能对社会和经济的影响。
|
1月前
|
机器学习/深度学习 存储 人工智能
未来人工智能发展趋势与挑战
【2月更文挑战第10天】 随着人工智能技术的不断发展,我们正处在一个充满潜力和挑战的时代。本文将从技术角度分析未来人工智能的发展趋势及面临的挑战,探讨人工智能在后端领域的应用和前景。
25 1
|
2月前
|
机器学习/深度学习 人工智能 算法
未来人工智能发展趋势与挑战
【2月更文挑战第6天】 在当今数字化时代,人工智能技术正日益成为各行各业的关键驱动力。本文将探讨未来人工智能发展的趋势和挑战,分析人工智能技术在社会中的应用前景以及可能面临的问题,并提出个人的见解和建议。
|
2月前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗影像识别中的应用与挑战
【2月更文挑战第5天】 传统医疗影像识别依赖于医生肉眼观察和经验判断,但这种方法存在着主观性和误判的风险。随着人工智能技术的发展,医疗影像识别逐渐引入了深度学习、卷积神经网络等技术,为医生提供了更精准的诊断工具。本文将探讨人工智能在医疗影像识别中的应用现状、技术挑战和未来发展方向,旨在展示人工智能在医疗领域中的巨大潜力和影响。

热门文章

最新文章