社交媒體信息可信度評估研究綜述

王一華

〔摘 要〕社交媒體信息可信度評估研究不僅有助于發展與完善網絡信息資源管理理論，而且有助于提高社交媒體輿情監控、社交媒體搜索、社會化推薦等方面的效果。本文通過梳理國內外相關文獻，從社交媒體信息研究、信息可信度研究、社交媒體信息可信度評估研究對國內外研究情況進行綜述，指出國內社交媒體信息可信度評估研究存在的研究面窄、定性研究多、缺乏系統性等問題，并提出應對中文社交媒體信息可信度進行系統研究、進行自動評估等解決方法。

〔關鍵詞〕社交媒體；信息可信度；評估；綜述

〔中圖分類號〕G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2016）12-0164-06

〔Abstract〕Information credibility assessment research in social media not only contributes to the development and improvement of network information resource management theory，but also helps to improve the effectiveness of social media monitoring public opinion，social media search，social recommendation and so on.The paper firstly reviewed the researches at home and abroad about the social media information research，information credibility research，and social media information credibility assessment research，and then pointed out the problems existing in information credibility assessment research of domestic social media，and finally put forward the solution to it.

〔Key words〕social media；information；credibility；assessment；review

1 研究的意義

隨著互聯網技術和移動技術的突飛猛進，社交媒體盛行，人人可做信息的制造者，制造的信息極為豐富。然而，在這豐富信息的背后，隱藏著漫天飛舞的謠言、病毒般傳播的虛假照片和視頻，這給人們幸福的生活、社會的穩定帶來了嚴重的隱患。為了遏制虛假不良信息傳播，營造健康向上的網絡環境，信息可信度評估就成了迫在眉睫的問題，社交媒體信息急需“鑒定師”和“測謊儀”。

社交媒體信息可信度評估研究既有較高的學術價值，也有較強的應用價值。具體來說，學術價值表現在研究社交媒體信息可信度評估并探討虛假信息的生成機制、傳播模式、治理措施，是對社交媒體環境下網絡信息資源管理理論的豐富、發展與完善。應用價值表現在研究社交媒體信息可信度評估有助于社交媒體用戶判斷信息的可信性，營造誠信健康的互聯網環境，也有助于提高社交媒體信息輿情監控、社交媒體信息引導、社交媒體搜索、社會化推薦等方面的效果。

2 社交媒體信息研究

社交媒體（Social Media）是通過Web2.0技術實現的一類支持用戶自主創造和交換內容的媒體，如Twitter、Facebook、Youtube、LinkedIn、Wiki、微博、微信、QQ、論壇、人人網等。自1973年Lipkin、Szpakowski和Felsenstein 3人在美國加州伯克利市建立全球第一個公共電子公告牌系統 Community Memory后，BBS以及網絡社區等早期的社交媒體開始映入人們的眼簾。《2015年全球社會化媒體、數字和移動業務數字統計趨勢》報告表明：全球社交媒體活躍用戶約占全球人口的29%。

2.1 國外研究

社交媒體的相關研究從20世紀80年代開始，在2005年左右開始進入快速發展階段，發文量有逐年增加的趨勢。在國際期刊中，發表社交媒體論文較多的要屬《Computers in Human Behavior》。近兩年，關于社交媒體的國際會議主要有ASONAM、SMP、MISNC、SMAP、SCSM。國外學者研究內容主要集中在以下4個方面：

2.1.1 社交媒體信息利用研究

社交媒體在商業領域、教育領域、公共管理領域等都有廣泛的應用[1]。如在營銷領域，利用社交媒體信息，可以獲知消費者態度和行為[2]，可以獲知客戶交流和推薦對營銷的影響[3-4]，可以獲知社交媒體信息對營銷管理功能的影響[5]。

2.1.2 社交媒體信息檢索與信息推薦研究

側重于社交媒體信息檢索與信息推薦方法的研究。社交媒體信息的檢索采用主題模型[6]、社會網絡[7]、本體[8]等檢索方法。比如，Hong和Davison（2010）使用標準主題模型進行社交媒體Twitter信息的檢索。社交媒體信息的推薦采用內容推薦[9]、協同過濾[10]、時序推薦[11]、位置推薦[12]、社會化推薦[13]等方法。比如，Levandoski等（2012）提出位置感知推薦系統（LARS）[12]。

2.1.3 社交媒體信息傳播研究

側重于反映信息傳播傳播規律的社交媒體信息傳播模型的構建以及通過模型的構建對實際問題進行預測等方面的研究。如Galuba等（2010）通過研究1 500萬URL在不同Twitter用戶之間的300小時傳播，提出了基于內容流行度、用戶影響力和傳播速度的線性閾值模型[14]。Adar和Adamic（2005）通過研究信息在博客中傳播的模式和動力學特性，提出用傳染病模型來描繪信息傳播的機理[15]。Asur和Huberman（2010）采用來自Twitter.com的聊天數據通過簡單的線性回歸模型預測電影票房的收入[16]。

2.1.4 社交媒體用戶隱私研究

在探討社交媒體用戶隱私現存問題的基礎上，提出了相應的隱私保護方法。如Viswanath等（2010）首先研究Sybil防御的缺陷，在其基礎上探討了替代Sybil防御的方法[17]。Conti等（2011）采用FaceVPSN解決社交媒體用戶隱私問題[18]。

2.2 國內研究

國內學者的社交媒體研究最早可追溯至20世紀90年代末，但從2005年后起關于社交媒體的論文才逐漸表現出增長態勢。國內研究內容主要集中在：

2.2.1 社交媒體信息傳播研究

研究內容包括：①社交媒體信息傳播模式研究。如韓佳等（2013）提出了基于改進SIR的在線社交網絡信息傳播模型[19]。姜景等（2015）構建表征謠言信息與辟謠信息傳播機理的Lotka-Volterra競爭模型[20]。②社交媒體信息傳播中存在的問題與對策研究。如閻俊（2015）探討微博傳播存在的問題及原因，并提出了加強微博內容管理、增強把關意識、提高微博用戶的媒介素養等對策[21]。③社交媒體信息傳播效果研究。如陳遠和袁艷紅（2012）以新浪微博作為數據來源，把信息覆蓋人數、評論數、轉發數作為微博信息傳播效果的量化指標，從縱橫向兩個角度研究新浪微博信息傳播過程造成的效應[22]。

2.2.2 社交媒體輿情分析與監測研究

如張癑等（2014）以打砸日系車系列突發公共事件為實例，探討其在新浪微博和新浪新聞平臺上輿情傳播的特征與規律[23]。張瑜等（2015）對新浪微博熱門話題“北京單雙號限行常態化”下的微博進行了數據采集，將輿情演化劃分為潛伏、成長、爆發、衰退、波動、死亡6個階段，并對各階段進行情感分析，為輿情治理提供了支持[24]。唐濤（2014）在分析網絡輿情五要素的基礎上，探討移動互聯網輿情的新特征，指出面臨的新挑戰，并從信息分析、信息篩選、信息引導等方面提出對策[25]。

2.2.3 社交媒體營銷研究

如唐興通（2012）的著作《社會化媒體營銷大趨勢：策略與方法》系統總結了社交媒體營銷，并對眾多社交媒體工具在實際工作中的應用提供了具體的建議[26]。張淼（2014）提出了企業完善社交媒體營銷策略的“9+3”模式[27]。劉曉燕和鄭維雄（2015）采用社會網絡分析方法研究企業微博營銷傳播的效果[28]。

3 信息可信度研究

3.1 國外研究

信息可信度（Information Credibility）是指人們對信息可相信程度的認識。它由值得信賴（Trustworthiness）和專業性（Expertise）兩個關鍵要素組成[29]。信息可信度比較系統的研究始于20世紀50年代的傳播領域。Hovland和同事的工作具有里程碑的意義[30]。信息可信度最初關注的是傳播者的可信度。國外對傳統媒體信息可信度的研究主要是從信源可信度、內容可信度、渠道可信度三方面展開的。隨著互聯網的出現，網絡信息可信度的評估被提上了議事日程。研究情況可歸納如下：

3.1.1 網絡信息可信度評估的理論模型

主要有Fogg（2003）的P-I理論模型、Wathen和Burkell（2002）的評判模型、Sundar（2008）的MAIN Model、Hilligoss和Rieh（2008）的統一模型、Metzger（2007）的雙處理模型以及Lucassen等（2013）的3S模型（修訂版）。以上理論模型是由情境、用戶特征、操作性、處理過程這些側面的若干部分構建而成的。

3.1.2 網絡信息可信度研究內容

主要有對網絡新聞的可信度研究、對搜索引擎結果的可信度研究以及對維基百科內容的可信度研究。比如，Nagura等（2006）通過比較關于同一主題不同網頁的相似度來計算每個網頁的可信度[31]。Yamamoto和Tanaka（2011）利用用戶可信度評判模型對網頁搜索結果進行重新排序，以便從Web搜索結果的列表中用戶可以更高效的找到可信的網頁[32]。Adler等（2008）以文章長度、版本數量和基于貢獻數量的作者聲譽建立模型，計算出維基百科文章的可信度[33]。

3.1.3 網絡信息可信度研究方法

主要采用定量研究法。比如，Olteanu等（2013）在調查網頁的各種特征（文本內容、鏈接結構、網頁設計等）的基礎上，經過統計分析方法篩選出關鍵的特征，采用監督學習算法來推斷網頁內容的可信度[34]。與網絡信息可信度有關的典型系統有日本的WISDOM和Honto？Search。

3.1.4 影響力較大的項目和國際會議

影響力較大的項目有互聯網可信度研究（The Web Credibility Research）項目，影響力較大的國際會議有WICOW（Workshop on Information Credibility on the Web）。

3.2 國內研究

1993年的《鑒別虛假信息五法》是國內發表的早期論文。2004年至今，相關研究進入快速發展期。相對于國外較多研究評估算法和評估系統，國內研究重點在于定性分析上，大多采用問卷調查及專家訪談法等進行人工評估。國內研究內容主要有：

3.2.1 側重于信息可信度影響因素研究

比如，龔思蘭等（2013）針對評論信息的文本內容、長度、情感傾向、時效性、發布者、商家活動等特征，通過問卷調查方式對大學生消費群體進行在線商品評論信息可信度影響因素實證分析[35]。蔣洪梅（2013）運用理論分析輔以實證研究的方法，從宏觀的社會系統、中觀的政策法規、微觀的媒介與受眾3個視角分析網絡新聞信息可信度的影響因素[36]。

3.2.2 側重于信息可信度指標體系的構建

比如，胡紅亮（2013）按照信息源、信息加工、信息傳播和信息應用等方面采用德爾菲專家調查法建立了學術著作可信度的基本評價模型[37]。潘勇和孔棟（2007）基于第三方認證機構的視角，構建了電子商務網站的信用評價指標體系及評價因素集，并建立灰色關聯信用評估模型[38]。當然，也有少量基于機器學習的信息可信度自動化評估實驗研究，比如，馬偉瑜（2011）提出一種采用改進的PageRank算法評估網頁信息可信度的方法[39]。

4 社交媒體信息可信度評估研究

4.1 國外研究

國外相關研究較早。社交媒體信息可信度的相關研究隨著BBS的出現隨之展開，最早可追溯到20世紀80年代。目前可以說，研究處于繁榮期。國外研究情況可歸納如下：

4.1.1 社交媒體信息可信度評估研究內容

研究內容主要包括：①不實信息的判斷識別。如Qazvinian等（2011）提取Twitter信息的文本特征、網絡特征和微博元素特征，構建貝葉斯分類器甄別謠言[40]。Zhao等（2015）通過研究查詢帖以便及早識別社交媒體謠言[41]。②話題新聞的可信度評估。如Castillo等（2011）選取了有關用戶特征、文本特征、主題特征、信息傳播特征，采用J48決策樹評估Twitter中話題新聞的可信度[42]。

4.1.2 社交媒體信息可信度評估方法

評估方法主要有監督學習[43]，統計分析[44]，與可信信息來源的相似性比較[45-46]，社交網絡的鏈接結構分析與主題模型的利用[47]等。它們主要采用自動評估，具體來說：①選取的特征：選取的特征主要是用戶特征、文本特征、信息傳播特征。比如，西班牙的Castillo和智利的Mendoza、Poblete（2011）選取用戶特征（如注冊時間、粉絲量、好友量），文本特征（如是否包含#標簽、是否包含問號、Tweet中包含的URL數量、是否轉發），主題特征（如帶#標簽Tweet的比例、Tweet數量、Tweet的平均長度、Tweet的平均情感分值、積極情緒或消極情緒的比例），以及信息傳播特征（如傳播樹的深度），采用J48決策樹評估Twitter信息的可信度[42]。②評估的方法：大多通過構建SVM分類器、Bayesian分類器、Decision Tree分類器等方法，并對結果進行分類，以達到評估社交媒體信息可信度的目的。上例Castillo等采用J48決策樹構建分類器，并對結果進行分類，從而評估Twitter信息的可信度[42]。當然，也有通過對結果進行排序的實例，從而達到評估社交媒體信息可信度的目的。比如，Gupta和Kumaraguru（2012）采用Rank-SVM與PRF相結合的方法，按照可信度得分對Twitter信息進行排序[43]。

4.1.3 有較大影響的在研項目與系統

由歐盟資助七國科研人員聯合攻關的PHEME項目研究的重點是社交媒體信息的真實性，該項目在國際上有較大影響。Jacob Ratkiewicz等（2011）開發出可實時追蹤Twitter上政治謠言的Truthy系統[48]。Gupta等（2014）、Lorek等（2015）分別開發出一款可自動評估推文可信度的工具TweetCred、TwitterBOT[49-50]。

4.2 國內研究

2007年《博客信息“可信度不亞于紐約時報”？》拉開了國內探討社交媒體信息可信度評估的序幕。目前研究還處于發展的初期。社交媒體信息可信度評估研究主要有：

4.2.1 社交媒體信息可信度影響因素研究

如劉雪艷和閆強（2013）探討政府微博中的熱點事件信息可信度的影響因素[51]。丁科芝（2015）從信息傳播者、渠道、信息內容和用戶基本信任觀念4個方面構建社交網絡可信度影響因素模型[52]。薛傳業等（2015）從信息來源可信度、信息傳播渠道可信度、信息內容可信度以及信息評論反饋多維度探討了突發事件中社交媒體信息可信度的影響因素[53]。

4.2.2 構建社交媒體信息可信度指標體系研究

它大多采用問卷調查及專家訪談法進行人工評估。屈文建和謝冬（2013）從站點層次、版塊層次、主題層次、內容層次4方面，采用模糊綜合信用評估模型對網絡學術論壇信息可信度進行評估[54]。莫祖英等（2013）從微博信息量、信息內容質量、信息來源質量和信息利用情況等方面進行問卷調查，采用層次分析法構建微博信息質量評估模型[55]。當然國內也有少量自動化評估的例子。比如，賀剛等（2013）引入關鍵詞分布特征和時間差等新特征，基于SVM算法來預測新浪微博信息是否為謠言[56]。程亮等（2013）提出基于BP神經網絡模型及改進其激發函數，同時引入沖量項，對微博話題在傳播過程中演變為謠言進行檢測[57]。路同強（2015）采用半監督學習算法檢測微博謠言，但不足之處在于未考慮信息的深層特征[58]。

4.3 存在的問題

對比國內外研究情況，可發現國內研究存在如下問題：

4.3.1 研究內容

關于社交媒體信息可信度研究，國內外目前以微博研究較多。與國外豐富的研究內容相比，國內在該領域的研究還主要集中于對影響因素以及特征的探討上。

4.3.2 研究方法

國外定量研究較多，很多涉及自動化評估，而國內定性研究較多，大多采用問卷調查法、專家訪談法等進行人工評估。

總之，現有研究大多是針對Twitter等英文社交媒體，其研究成果大多不能直接應用于中文社交媒體。盡管也有少量研究是面向中文社交媒體的，但研究成果零散，還缺乏系統性。另外，在特征選擇上，選擇范圍面較窄，考慮社交媒體深層的隱含特征較少。

5 結 語

為了解決中文社交媒體的可信度評估問題，在吸收前人研究的基礎上[59-63]，很有必要對中文社交媒體信息可信度進行系統研究，特別是在參考國外信息可信度評估系統的基礎上，很有必要研制開發中文社交媒體信息可信度評估系統，實現中文社交媒體信息可信度的自動評估。在進行中文社交媒體信息可信度評估中，應注意下列問題：

1）評估要在對信息資源分類的基礎上，對不同的類別采用不同的評估指標體系，以提高評估工作的科學性和合理性。

2）評估既要重視定性評估，也要重視定量評估，尤其是自動化評估。特別是在大數據環境下，應針對評估的實際需求，制定科學的評估方案，選擇恰當的評估方法，構建適合評估工作需要的自動化評估系統。

3）評估指標、評估模型的選取以及參數的訓練，既要考慮研究結果的精確度，又要考慮系統的運算時間。

4）評估模型構建后，不僅要進行實驗室評估，還應進行實際效果評估。

參考文獻

[1]Ngai，E.W.T.，Moon，K.K.，Lam，S.S.，Chin，E.S.K.and Tao，S.S.C..Social media models，technologies，and applications[J].Industrial Management and Data Systems，2015，115（5）：769-802.

[2]Gamboa，A.M.and Gonalves，H.M..Customer loyalty through social networks：lessons from Zara on Facebook[J].Business Horizons，2014，57（6）：709-717.

[3]Jin，S-A.A.and Phua，J.Following celebrities tweets about brands：the impact of Twitter-based electronic word-of-mouth on consumers source credibility perception，buying intention，and social identification with celebrities[J].Journal of Advertising，2014，43（2）：181-195.

[4]Colliander，J.and Dahlén，M.Following the fashionable friend：the power of social media[J].Journal of Advertising Research，2011，51（1）：313-320.

[5]Moncrief，W.C.，Marshall，G.W.and Rudd，J.M..Social media and related technology：drivers of change in managing the contemporary sales force[J].Business Horizons，2015，58（1）：45-55.

[6]Hong，Liangjie and Davison，B.D..Empirical study of topic modeling in twitter[C]∥Proceedings of the First Workshop on Social Media Analytics（SOMA10）.ACM，New York，NY，USA，2010：80-88.

[7]Kleinberg，J.M..Authoritative sources in a hyperlinked environment[J].Journal of the ACM，1999，46（5）：604-632.

[8]Tobar，C.M.，Germer，A.S.，Adan-Coello，J.M.，and De Freitas，R.L..Information retrieval in Wikis using an ontology[J].Computational Science and Engineering，2009：826-831.

[9]Kim，Y.and Shim，K.TWILITE：A recommendation system for Twitter using a probabilistic model based on latent Dirichlet allocation[J].Information Systems，2014：59-77.

[10]Ramesh，A.，Anusha J.，Clarence，J.M.T..A novel，generalized recommender system for social media using the collaborative-filtering technique[J].ACM SIGSOFT Software Engineering Notes，2014：1-4.

[11]Zimdars，A.，Chickering，D.M.，and Meek，C.Using Temporal Data for Making Recommendations[C]∥Proceedings of the Seventeenth conference on Uncertainty in artificial intelligence（UAI01），Jack Breese and Daphne Koller（Eds.）.Morgan Kaufmann Publishers Inc.，San Francisco，CA，USA，2001：580-588.

[12]Levandoski，J.J.，Sarwat，M.，Eldawy，A.and Mokbel，M.F..LARS：A Location-Aware Recommender System[C]∥IEEE 28th International Conference on Data Engineering，Washington，DC，2012：450-461.

[13]Jamali，M.and Ester，M.Trust Walker：a random walk model for combining trust-based and item-based recommendation[C]∥Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining（KDD09）.ACM，New York，NY，USA，2009：397-406.

[14]Galuba W，Aberer K，Chakraborty D，Despotovic Z，Kellerer W.Outtweeting the twitterers-predicting information cascades in microblogs[C]∥Proceedings of the 3rd Workshop on Online Social Networks，USENIX Association，Boston，MA，USA，2010：1-9.

[15]Adar，E.and Adamic，L.A..Tracking Information Epidemics in Blogspace[C]∥Proceedings of the 2005 IEEE/WIC/ACM International Conference on Web Intelligence（WI05）.IEEE Computer Society，Washington，DC，USA，2005：207-214.

[16]Asur，S and Huberman，B.A..Predicting the Future with Social Media[C]∥2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT），Toronto，2010：492-499.

[17]Viswanath，B.，Post，A.，Gummadi，K.P.，and Mislove，A.An analysis of social network-based Sybil defenses[J].Acm Sigcomm Computer Communication Review，2010，40（4）：363-374.

[18]Conti，M.，Hasani，A.，and Crispo，B.Virtual Private Social Networks[C]∥Proceedings of the 1st ACM Conference on Data and Application Security and Privacy（ACM SIGSAC CODASPY 2011），San Antonio，TX，USA，2011：39-50.

[19]韓佳，肖如良，胡耀，等.在線社交網絡中信息傳播模式的特征分析[J].計算機應用，2013，（1）：105-107，111.

[20]姜景，李丁，劉怡君.基于競爭模型的微博謠言信息與辟謠信息傳播機理研究[J].數學的實踐與認識，2015，（1）：182-191.

[21]閻俊.微博傳播的問題與對策研究[D].錦州：渤海大學，2015：1-38.

[22]陳遠，袁艷紅.微博信息傳播效果實證研究[J].信息資源管理學報，2012，（3）：28-34.

[23]張，孫霄凌，朱慶華.突發公共事件輿情傳播特征與規律研究——以新浪微博和新浪新聞平臺為例[J].情報雜志，2014，（4）：90-95.

[24]張瑜，李兵，劉晨.面向主題的微博熱門話題輿情監測研究——以“北京單雙號限行常態化”輿情分析為例[J].中文信息學報，2015，（5）：143-151，159.

[25]唐濤.移動互聯網輿情新特征、新挑戰與對策[J].情報雜志，2014，（3）：113-117.

[26]唐興通.社會化媒體營銷大趨勢：策略與方法（第2版）[M].北京：清華大學出版社，2012：1-235.

[27]張淼.社會化媒體在市場營銷中的應用研究[D].北京：首都經濟貿易大學，2014：1-47.

[28]劉曉燕，鄭維雄.企業社會化媒體營銷傳播的效果分析——以微博擴散網絡為例[J].新聞與傳播研究，2015，（2）：89-102，128.

[29]Fogg，B.J.，and Tseng，H.The elements of computer credibility[C]∥Proceedings of the SIGCHI conference on Human Factors in Computing Systems，Pittsburgh，Pennsylvania，USA，1999：80-87.

[30]Rieh，S and Danielson，D.Credibility：A Multidisciplinary Framework[J].Annual Review of Information Science and Technology，2007：307-364.

[31]Nagura，R.，Seki，Y.，Kando，N and Aono，M.A method of rating the credibility of news documents on the web[C]∥Proceedings of the 29th annual international ACM SIGIR conference on Research and development in information retrieval（SIGIR06）.ACM，New York，NY，USA，2006：683-684.

[32]Yamamoto，Y and Tanaka，K.Enhancing credibility judgment of web search results[C]∥Proceedings of the SIGCHI Conference on Human Factors in Computing Systems（CHI11）.ACM，New York，NY，USA，2011：1235-1244.

[33]Adler，B.T.，Chatterjee，K.，De Alfaro，L.，Faella，M.，Pye，I.，and Raman，V.Assigning trust to Wikipedia content[C]∥Proceedings of the 4th International Symposium on Wikis.ACM，2007：1-12.

[34]Olteanu，A.，Peshterliev，S.，Liu，X.，and Aberer，K.Web Credibility：Features Exploration and Credibility Prediction[C]∥European Conference on Advances in Information Retrieval，2013：557-568.

[35]龔思蘭，丁晟春，周夏偉，等.在線商品評論信息可信度影響因素實證研究[J].情報雜志，2013，（11）：202-207，180.

[36]蔣洪梅.網絡媒體新聞信息可信度研究[D].南京：南京師范大學，2013：1-56.

[37]胡紅亮.數字環境下學術著作的可信度研究[J].科技與出版，2013，（5）：97-100.

[38]潘勇，孔棟.電子商務網站可信度評價模型[J].情報雜志，2007，（7）：81-82，87.

[39]馬偉瑜.基于改進的PageRank的網頁信息可信度評估方法研究[D].保定：河北大學，2011：1-34.

[40]Qazvinian，V.，Rosengren，E.，Radev，D.R.，and Mei，Q.Rumor has it：Identifying misinformation in microblogs[C]∥Proceedings of the Conference on Empirical Methods in Natural Language Processing，Association for Computational Linguistics，UK，2011：1589-1599.

[41]Zhao，Z.，Resnick，P.，and Mei，Q.Enquiring Minds：Early Detection of Rumors in Social Media from Enquiry Posts[C]∥Proceedings of the 24th International Conference on World Wide Web（WWW15）.ACM，USA，2015：1395-1405.

[42]Castillo，C.Mendoza，M and Poblete，B.Information credibility on twitter[C]∥Proceedings of the 20th international conference on World wide web（WWW11）.ACM，New York，USA，2011：675-684.

[43]Gupta，A.，Kumaraguru，P.Credibility ranking of tweets during high impact events[C]∥Proceedings of Workshop on Privacy and Security in Online Social Media Ser Psosm，2012：2-8.

[44]ODonovan，J.，Kang，B.，Meyer，G.，Hollerer，T.，and Adalii，S.Credibility in Context：An Analysis of Feature Distributions in Twitter[C]∥Privacy，Security，Risk and Trust，2012：293-301.

[45]Al-Khalifa，H.S.and Al-Eidan，R.M..An experimental system for measuring the credibility of news content in twitter[J].International Journal of Web Information Systems，2011，7（2）：130-151.

[46]Suzuki，Y.and Nadamoto，A.Credibility Assessment Using Wikipedia for Messages on Social Network Services[C]∥IEEE Ninth International Conference on Dependable，Autonomic and Secure Computing，Sydney，NSW，2011：887-894.

[47]Canini，K.R.，Suh，B.，and Pirolli，P.L..Finding Credible Information Sources in Social Networks Based on Content and Social Structure[C]∥Privacy，Security，Risk and Trust（PASSAT）and 2011 IEEE Third Inernational Conference on Social Computing（SocialCom），2011 IEEE Third International Conference on，Boston，MA，2011：1-8.

[48]Ratkiewicz，J.，Conover，M.，Meiss，M.，Gonalves，B.，Patil，S.，Flammini，A.and Menczer，F.Truthy：mapping the spread of astroturf in microblog streams[C]∥Proceedings of the 20th international conference companion on World wide web（WWW11）.ACM，New York，NY，USA，2011：249-252.

[49]Gupta，A.，Kumaraguru，P.，Castillo，C.，and Meier，P.TweetCred：Real-Time Credibility Assessment of Content on Twitter[C]∥Social Informatics.Springer International Publishing，2014：228-243.

[50]Krzysztof，L.，Jacek，S.W.，Michal，J.L.，and Amit，G.Automated Credibility Assessment on Twitter[J].Computer Science，2015，（2）：157-168.

[51]劉雪艷，閆強.政府微博中的熱點事件信息可信度研究[J].北京郵電大學學報：社會科學版，2013，（2）：6-12.

[52]丁科芝.社交網絡信息可信度研究[D].武漢：華中師范大學，2015：1-61.

[53]薛傳業，夏志杰，張志花，等.突發事件中社交媒體信息可信度研究[J].現代情報，2015，（4）：12-16.

[54]屈文建，謝冬.網絡學術論壇信息可信度的灰度分析[J].圖書情報知識，2013，（2）：112-118.

[55]莫祖英，馬費成，羅毅.微博信息質量評價模型構建研究[J].信息資源管理學報，2013，（2）：12-18.

[56]賀剛，呂學強，李卓，等.微博謠言識別研究[J].圖書情報工作，2013，（23）：114-120.

[57]程亮，邱云飛，孫魯.微博謠言檢測方法研究[J].計算機應用與軟件，2013，（2）：226-228，262.

[58]路同強，石冰，閆中敏，等.一種用于微博謠言檢測的半監督學習算法[J].計算機應用研究，2016，（3）：744-748.

[59]Ginsca，A.L.，Popescu，A.，and Lupu，M.Credibility in Information Retrieval[J].Foundations and Trends in Information Retrieval，2015：355-475.

[60]Lazar，J.Meiselwitz，G.and Feng，J.Understanding Web Credibility：A Synthesis of the Research Literature[M].Now Publishers Inc，2007：1-80.

[61]Zafarani，R.Abbasi，M.A.，and Liu，H.社會媒體挖掘[M].北京：人民郵電出版社，2015：1-240.

[62]拉塞爾.社交網站的數據挖掘與分析（第2版）[M].北京：機械工業出版社，2015：1-368.

[63]梁循，楊小平，張海燕.面向社會化媒體大數據的社會計算[M].北京：清華大學出版社，2014：1-129.

（責任編輯：孫國雷）