网站首页
教育杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
医学杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
经济杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
金融杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
管理杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
科技杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
工业杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
SCI杂志
中科院1区 中科院2区 中科院3区 中科院4区
全部期刊
公务员期刊网 论文中心 正文

谈不实信息管理研究对象

前言:想要写出一篇引人入胜的文章?我们特意为您整理了谈不实信息管理研究对象范文,希望能给你带来灵感和参考,敬请阅读。

摘要:不实信息识别、不实信息传播抑制等不实信息方面的研究对于社会来说具有重大的使用价值。本文关于不实信息的研究对象分为信息与人两大类。信息可以分解成不实信息、真实信息两大类,分别研究它们的静态特征以及动态特征。人可以分解成为行为特征和目的特征。其中,可以通过研究社交媒体用户对信息受众的反应来分析行为,可以通过自然言处理的方式研究信息的主题以及梗概来分析目的,进而发现不实信息在技术上的特征。本文为对于不实信息管理方面的研究理清了思路,明确了研究角度、研究方法和技术手段。

关键词:不实信息管理;机器学习;自然语言处理

一、引言

随着智能手机的普及,互联网成为了人们获取信息的主要来源。社交媒体的出现以及技术的发展,将当前社会从Web1.0时代推入Web2.0,人们与互联网的关系从信息的接收者成为了信息的者。因此,互联网中的社交媒体成为传播信息的主要媒介[1],在突发事件中,网络社交媒体成为了快速一线信息的重要渠道。由于社交媒体的受众多、使用便利,现在出现了各种有意利用社交媒体传播虚假信息以及因不明真相而传播不实信息的社交媒体用户。比如购物网站上的水军,facebook上关于选举信息的投放,微信公众号上关于波士顿马拉松爆炸案上不实信息的传播等。不实信息的传播会导致不同程度的财产损失甚至是对人们权力的侵犯,所以对于互联网社交媒体,信息的真实性就变得非常重要。为了实现对于不实信息的管理与控制,需要做到两点:一方面是遏制不实信息的传播,另一方面是促进辟谣信息的传播。这两者的实现都需要通过实证研究、内容研究、机器学习、数据统计等方法,因此少需要对于与不实信息相关的各类特征的提取。本文通过对于这些特征的合理分类以及提取,可以较为全面地展现与不实信息的特点,进而从多维度对不实信息的传播进行分析,找出其传播规律。本文为进一步研究进行理论上的铺垫,总结不实信息传播中各个对象,以及各个对象值得研究的方向、特征,实现对不实信息管理研究的启发。不实信息管理研究的最终目的在于阻止不实信息的传播,并防止不实信息利用漏洞进行伪装,进而减少社会损失。

二、研究对象

在不实信息传播的过程中涉及信息的受众、散布者、以及传播的信息。其中传播的信息根据分类角度的不同,能够有多种分类方法,比如不实信息、真实信息,不实信息又可以分为科技类不实信息、阴谋类不实信息、其它不实信息[2]等(见图1)。对于研究对象可以从管理学、社会学、统计学等角度对特征进行总结归纳。对于上文中的对象可以通过图2来展现各个对象以及其特征。1.信息受众对于不实信息的受众,其特征主要从两方面进行研究,一方面是人的行为,另一方面是人行为的目的性[6],也就是目的。在社交媒体上,信息的受众或者用户的行为主要分为四种[3]:转发、评论、验证、质疑,由于接受不实信息的用户以及一些在其他情况下的用户可能只是浏览了不实信息,但是未作出任何操作,无法做出确切的统计,暂时不在考虑范围之内。人的一切行为都具有目的性,因此,既然有信息受众的行为,就会有受众的行为目的。其目的,与受众的行为相对应,也分为:转发、评论、验证、质疑。2.不实信息散布者不实信息散布者可能是不实信息传播的源头,也可能是在不实信息传播过程中充当传播中介的人,还有可能是将原有的不实信息二次加工,使之成为了新的不实信息的信息源头。他们的特征与信息受众相类似,分为两大块,行为与目的。在行为方面,可以是编辑不实信息、转发不实信息、评论不实信息等。编辑不实信息指那些在社交媒体上不实信息并且推送出去的行为,也可能是转发不实信息同时加上了自己所添加的不实信息的行为。转发不实信息是指单纯地转发了不实信息的推送,未添加内容也未提出质疑以及求证信息。评论不实信息是指在评论中增加了不正确的信息,比如亚马逊网站的虚假评论。这些不实信息背后都对应着各不相同的目的性:煽动、引导、传播等。社交媒体上原创的不实信息是用来吸引信息受众的注意力来做广告或者让用户关注某个账号,因此具有引导的功能。还有一些原创的公众号为来传播自己的思想也因此有煽动的成分。对于单纯转发不实信息的用户,可能是相信不实信息,从而想让更多的人知道。虚假的评论大多是为了引导用户的购买行为、关注行为等行为而产生。3.不实信息信息传播过程中的第二类对象是信息,信息分为不实信息和真实信息。对于不实信息,其特征可以分为两大类:一类是动态特征,另一类是静态特征。动态特征往往是随着一些条件的变化而变化,比如时间变化。静态特征一般是不会变化的特征,大体上反映出信息本身的一些特征,比如:信息中所包含的情感、信息的主题等。动态特征分为级联[5]、回音室[2]、生存时间[2]等。对于级联,又有级联产生的时间,级联的深度与广度,这大体上能够反映出一个(同一批)不实信息的规模(回音室的大小)。回音室表示同一种不实信息的受众群体大小。ZolloF,QuattrociocchiW研究发现同一类不实信息往往只吸引同一批看法观点相近的人,并且规模大小可以用级联的规模来判断。生存时间可以发现不实信息扩散的速度的变化、级联规模的变化、甚至是不实信息传播的变化情况是加快、减慢、还是受阻或者完全被辟谣。静态特征分为情感、主题等,主要体现信息本身的特点。通过情感特点来展现文本内容的情感强烈程度,从而可以发现不实信息的某些特点,或者借助此特点来辟谣信息。对于文本主题的提取,主要用来发现与主题不符的内容,从而发现文中涉嫌引导的部分。4.真实信息对于真实信息特征的研究多用于与不实信息进行对比研究,甚至是用两者的数据进行训练,进而达到分类器的实现,从而可以做到半自动乃至自动对信息进行分类。真实信息的特征分为静态特征与动态特征两类。动态特征分为级联[5]、回音室[2]、生存时间[2],等。对于级联,又有级联产生的时间,级联的深度与广度。生存时间可以发现不实信息扩散的速度的变化、级联规模的变化、甚至是辟谣信息传播的变化情况是加快、减慢、还是受阻或者完全被阻止。静态特征分为情感、主题等。综上所示,这些特征只是客观现象的一部分,不一定能够完全反应信息传播过程中相关对象的客观情况,有待进一步的研究来发现新的对象或者新的特征,或者足以弥补特征不足的新的研究方法。

三、研究方法

1.社会角度信息的传播是一种人际之间的交流手段,其中带有各个利益群体或者个体的心理诉求,归根结底是为了实现不同利益群体的利益诉求。而由于利益群体的体量巨大,所以会有群体性因素。所以涉及到社会群体的理论以及对于人员的管理。对于不实信息的研究会涉及到心理学、社会学、管理学等与人相关的学科研究。从心理学的角度,可以通过了解不同背景环境下的各个群体的需求、利益、目的情况,来判断他们的心理需求,并对其进行分类或者建模,借助心理学的研究方法进行模型构建,从而清楚地刻画出某一类状况下各个心理群体的基本情况,利用他们的心理弱点来达到控制不实信息传播的目的。从社会学的角度,群体对个体有一定的约束作用,同一个群体中人的类型基本相同,他们都会对自己的看法有极化现象[2],因此对于不实信息的纠正不能仅仅停留在发送纠正信息的层次,还应当从人的心理认知或者认同感上进行具体的分析,利用社会学的研究成果来实现对于群体不实信息认知的纠正。从管理学角度,对于不同的不实信息的传播主体以及受众群体,不同的社会机构(政府、非政府)需要有不同的管理方式,需要有不同的激励机制来传播真实信息、抑制不实信息的传播、识别不实信息,处罚不实信息的传播者、编造者。可以通过管理学的方法来实现对于真实情况的模拟以及实验,最后在社会上合理推广。2.技术角度从技术角度进行不实信息管理研究,其优势在于当前关于不实信息的数据量庞大,计算机运算能力增长速度快,目前已经能满足对不实信息的大数据处理要求。一旦形成了在某一个方面比较成熟的运算模型就能够大批量处理网络中的数据,并且有较好的效率。由于当前互联网中数据信息的丰富。因此,数据收集可以直接借助爬虫工具或者restfulAPI在互联网中完成。在拥有了大量的数据之后,我们可以借助统计学的方法对数据有一个大致的宏观把握,了解数据的质量、数据的类型、数据的分布,进而可以进行模型的假设,开始下一步机器学习中的模型选择、模型建立以及模型训练。在对数据集进行合理的假设以及建模之后,可以借助计算机运算对模型的参数进行优化,达到较好的分类效果,从而实现在某一领域中不实信息的识别,为其他领域的不实信息识别研究进行启发。

参考文献

[1]第42次《中国互联网络发展状况统计报告》[R].

[6]周三多.管理学:原理与方法[M].上海:复旦大学出版社,2009.

[7]周志华.机器学习[M].北京:清华大学出版社,2016.

作者:顾扬帆 单位:上海工程技术大学

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

AI写作,高效原创

在线指导,快速准确,满意为止

立即体验
文秘服务 AI帮写作 润色服务 论文发表