清華大學(xué)用大數(shù)據(jù)分析了9000條微博謠言，還在研究自動辟謠

社交媒體上的謠言總是讓人猝不及防，有些甚至能在短時間造成不小的危害。比如，幾天前，微信怎么也不會想到，因為一個年終回顧的HTML5頁面被提前泄露，帶來大量用戶點擊導(dǎo)致服務(wù)器癱瘓，然后引發(fā)了盜號的謠言。最后的結(jié)果是，短短的幾個小時內(nèi)，數(shù)百萬人從微信提現(xiàn)，解綁銀行卡。

社交媒體上都流傳著哪些謠言？這些謠言都是誰發(fā)布的？為什么會有人相信并主動參與傳播這些謠言？社交網(wǎng)絡(luò)上的信息是海量的，這些問題似乎很難回答。不過最近，清華大學(xué)智能技術(shù)與系統(tǒng)國家重點實驗室的研究人員借用了自然語言處理的幫助，對新浪微博上的謠言大數(shù)據(jù)進行了全面的分析，試圖找出答案。

2012年5月，新浪微博設(shè)立了舉報處理大廳，謠言占了不良信息中的一大部分。研究人員利用微博舉報大廳公布的實時數(shù)據(jù)收集謠言信息。

他們收集了從2011年8月到2015年5月期間出現(xiàn)的9079條謠言，用函數(shù)模型對這些數(shù)據(jù)進行了預(yù)處理，發(fā)現(xiàn)了一些有趣的現(xiàn)象。

大部分微博謠言會在其發(fā)布的一個周內(nèi)被舉報并辟謠

第一，大多數(shù)微博謠言的影響力都比較小, 轉(zhuǎn)發(fā)和評論數(shù)在500次以下的微博占到整體的84%。只有極少量的微博謠言具有極廣的傳播范圍和強大的影響力 。

第二，謠言通常要傳播一段時間后，才有可能遭到舉報；同時, 由于傳播速度快，大部分微博謠言會在其發(fā)布的一個周內(nèi)被舉報并辟謠 (88.9%)。

第三，大量舉報謠言的用戶, 所舉報的謠言往往與自己相關(guān). 例如, 微博用戶 “美汁源飲料” 舉報了 大量關(guān)于 “美汁源果粒橙” 飲料含有農(nóng)藥的謠言, 張家界紀委書記汪業(yè)元舉報了大量關(guān)于 “汪業(yè)元發(fā)表 ‘對網(wǎng)絡(luò)暴民殺無赦’ 的言論” 的謠言。

第四，大量發(fā)布謠言的用戶，往往帶有網(wǎng)絡(luò)水軍的性質(zhì)，例如，有微博用戶僅在幾分鐘的時間里發(fā)布了幾十條微博, 其中大部分是謠言, 之后該用戶就再未發(fā)過微博。

常識類謠言經(jīng)常反復(fù)出現(xiàn)轉(zhuǎn)發(fā)高峰

研究人員還根據(jù)謠言內(nèi)容將其分成了5個分類：政治類謠言，例如釣魚島海域中日兩國爆發(fā)海戰(zhàn)；

經(jīng)濟類謠言，例如三星賠償蘋果幾十車硬幣；

欺詐類謠言，例如“四川藏區(qū)兒童需要御寒冬衣”，然后留下了一個虛假的聯(lián)系電話；

社會生活類謠言，社會各界人物的花邊新聞，例如六小齡童去世；

常識類謠言，例如阿司匹林能治療心臟病。

這些謠言中，大部分屬于社會生活類和政治類謠言 (約占70%)。而結(jié)合微博謠言發(fā)布、傳播、高峰和消亡的過程還可以發(fā)現(xiàn)，不同的謠言出線轉(zhuǎn)發(fā)峰值的情況也各部相同。

70%的謠言話題只有一個較大轉(zhuǎn)發(fā)峰值，也就是說，被辟謠后，它們就會逐漸消亡。

另外，謠言的內(nèi)容也和其轉(zhuǎn)發(fā)峰值有關(guān)系：例如，常識類謠言由于受眾廣，辟謠難度較大，往往會反復(fù)被人們提及，出現(xiàn)多次爆發(fā)，約70%的常識類謠言通常有多個轉(zhuǎn)發(fā)峰值。而關(guān)于名人或知名機構(gòu)的謠言，由于關(guān)注人數(shù)眾多，辟謠難度較小，因此發(fā)布之初就會出現(xiàn)較大轉(zhuǎn)發(fā)峰值，但很快會被辟謠，約60%的此類謠言會在一個周內(nèi)消亡。

人們?yōu)槭裁聪嘈胖{言

人們?yōu)槭裁磿嘈胚@些謠言呢？研究人員分析后將原因歸結(jié)為兩類：（1）知識受限，即缺乏專業(yè)知識而導(dǎo)致誤信或無法辨認的謠言。例如，阿司匹林可以治療急性心臟??；（2）時空受限謠言，即由于地域和時間限制無法辨認的謠言。例如, 有謠言稱“杭州上城區(qū)一婦女喝了3罐可樂，兩天后離開了這個世界。驗尸結(jié)果是她死于細螺旋體病, 發(fā)病原因是直接用嘴對可樂罐飲用”。

自動辟謠框架

在對謠言進行分析之后，研究人員還試圖建立一個自動辟謠機制。當然，在目前的技術(shù)條件下，自然語言處理技術(shù)還無法根據(jù)微博內(nèi)容自動判斷其是否為謠言。所以，研究人員的思路通過語義分析，自動根據(jù)謠言主題對其進行分類，然后發(fā)現(xiàn)最有可能判定該謠言的專家，推薦專家對疑似謠言進行鑒別。

研究人員的框架主要包括3個階段的工作：

1. 謠言發(fā)布早期，通過用戶舉報和對可疑用戶的監(jiān)控建立疑似謠言的集合。一方面，將疑似謠言和謠言庫中進行比對；另一方面, 對于在謠言庫中沒有匹配內(nèi)容的謠言，通過查詢該領(lǐng)域的專家?guī)?，推薦若干專家對該疑似謠言進行鑒別。

2. 謠言發(fā)布中期，通過自然語言處理技術(shù)分析疑似謠言的評論信息，通過社會網(wǎng)絡(luò)分析技術(shù)分析疑似謠言的傳播模式，判定該信息是否為謠言。

3. 謠言發(fā)布后期，對于判定為謠言的信息, 將其加入謠言庫；對信息發(fā)布人進行可信性分析，確定其信用等級，將信用等級低于一定閾值的用戶加入可疑用戶庫，在一段時間內(nèi)對其發(fā)布的微博內(nèi)容進行監(jiān)控；對信息舉報人和評論人進行專家發(fā)現(xiàn)，充實和更新該信息相關(guān)的知識領(lǐng)域的專家?guī)臁?

當然，目前這一切還處于理論研究階段，而建立可以用戶庫也需要以網(wǎng)站更嚴格地執(zhí)行實名制為前提。用大數(shù)據(jù)、人工智能去對付謠言，前提是需要很多人交出更多的隱私，你愿意嗎？