创新背景

在如今信息爆炸的时代，社交媒体让我们很容易就能看到来自世界各地以及各种来源渠道的新闻，但是我们往往很难分辨哪些网站上发的是事实，哪些网站的新闻带有偏见，哪些网站是在传播谎言。即使后来人们揭穿了这个谎言，它往往也已经完成大范围传播了，甚至有人仍对此深信不疑。因此，研究人员正在寻找能够从源头上鉴别假新闻的方法。

创新过程

麻省理工学院的计算机科学与人工智能实验室(CSAIL)联合了卡塔尔计算研究所(QCRI)共同研发了一种新的系统，该系统利用机器学习通过检测网站的可信度和新闻的信息来源从而判断消息是否准确或带有偏见。该系统只需要大约150篇文章就可以可靠地检测出一个新闻来源是否可信，因此这种方法可以将假消息在广泛传播之前被删除。

研究人员表示，如果一个网站以前发布过假新闻，他们就有可能会再次发布假新闻，因此新闻媒体的可信度是重要的检测内容之一。该工具使用一种被称为支持向量机的机器学习技术来学习“媒体偏见/事实核查”(media Bias/Fact Check)如何将媒体机构分类。该组织跟踪数千个新闻网站的事实内容水平和政治偏见，它考虑了网站上文章的实际内容，以及外部因素，如该网站在Twitter上的状态，其在线域名的结构，以及它在维基百科上的描述。

实验证明，当给定一个新的新闻媒体时，该系统检测其内容的真实性水平的准确率为65%，在检测其文章思想是左倾、右倾还是中等水平上的准确率约为70%。

该团队认为，检测假新闻和偏见报道的最可靠的方法是查看消息来源的常见语言特征，包括情绪、复杂性和结构。例如，假新闻媒体更有可能使用夸张、主观和情绪化的语言。在偏见方面，与忠诚、权威和神圣等其他品质相比，左倾媒体更有可能使用与伤害、关怀、公平和互惠概念相关的语言。

由于从信息源(而非文章)获得基本事实要容易得多，因此这种方法能够对这些信息源发布的内容类型提供直接而准确的预测。

研究人员还创建了一个新的开源数据集，包含1000多个新闻来源，并标注了事实性和偏见评分，这是世界上同类数据库中最大的。下一步，该团队将尝试该系统是否可以适应其他语言。

创新关键点

研究团队开发了一种新系统，利用机器学习检测网站的可信度和信息来源的语言特征，只需约150篇文章即可检测新闻的准确性和倾向性。这种新的检测方法可以使假新闻在广泛传播之前被及时发现并删除。