KHAI THÁC CẢM XÚC KÉP TRONG VIỆC PHÁT HIỆN TIN GIẢ

Abstract

Sự bùng nổ của các nền tảng mạng xã hội đã tạo điều kiện thuận lợi cho việc tiếp cận thông tin, nhưng đồng thời cũng biến đây thành môi trường lý tưởng để tin giả và tin đồn lan truyền nhanh chóng, gây ra những hệ lụy nghiêm trọng. Để giải quyết vấn đề này, nhiều phương pháp phát hiện tin giả đã được đề xuất. Tuy nhiên, hầu hết các nghiên cứu hiện tại chỉ tập trung vào việc khai thác các đặc trưng ngữ nghĩa của văn bản hoặc cảm xúc đơn lẻ của người đăng tin, mà bỏ qua các phản ứng cảm xúc của cộng đồng mạng cũng như mối quan hệ tương tác giữa hai luồng cảm xúc này. Để khắc phục những hạn chế trên, luận văn này đề xuất một phương pháp phát hiện tin giả trên mạng xã hội thông qua việc khai thác Đặc trưng Cảm xúc Kép (Dual-Emotion Features). Cụ thể, mô hình trích xuất đồng thời tín hiệu cảm xúc từ văn bản gốc (cảm xúc người đăng) và từ danh sách các bình luận (cảm xúc xã hội). Thông qua hai cơ chế gộp (mean pooling và max pooling), phản ứng cảm xúc của đám đông được tổng hợp để tính toán “Khoảng cách cảm xúc” (Emotion Gap) - đại lượng đo lường sự cộng hưởng (resonance) hoặc bất hòa (dissonance) cảm xúc giữa người tung tin và người tiếp nhận. The rapid proliferation of social media platforms has facilitated information access but also created an ideal environment for the rapid spread of fake news and rumors, causing severe socio-economic consequences. To address this issue, various fake news detection methods have been proposed. However, most existing research focuses primarily on textual semantic features or the single emotions conveyed by publishers (Publisher Emotion), largely ignoring the emotional responses of the crowd (Social Emotion) and the critical relationship between these two emotional streams. To overcome these limitations, this thesis proposes a novel approach for fake news detection on social networks by exploiting Dual-Emotion Features. Specifically, the proposed model simultaneously extracts emotional signals from the source text (publisher emotion) and the associated comments (social emotion). Through mean pooling and max pooling mechanisms, the emotional reactions of the crowd are aggregated to calculate the “Emotion Gap” - a metric measuring the emotional resonance or dissonance between the publisher and the audience.