可信内容

转载

刘挺 博客

    一天中午，窗外飘起了细雨，我懒得去食堂，就想打电话叫肯德基送餐。原来是有肯德基送餐电话的，不知怎么找不到了。于是我上网找到了一个肯德基的800电话，拨过去，电话里说“此电话尚未开通”。又找到哈工大附近那家肯德基的电话，打通了，一位老奶奶和蔼的声音响起：“小伙子，你打错了”。无奈，我拨打了114号码百事通，服务员说没有登记。这通折腾，肚子都饿瘪了。看看窗外，雨下得更大了，没辙，还是继续搜吧。看到一条网上的留言说“肯德基不送餐”，My God，不可能啊，再看留言的时间是2007年。历尽千辛万苦，终于，我找到了4008-823-823这个电话，感觉这就是对的，果然顺利完成了订餐。10分钟后，我一边大口地嚼着奥尔良鸡腿堡，一边回想着整个搜索过程，不禁感叹“信息的可信度太重要了”。

    在前面的这个真实经历中，我遇到了多种典型的信息不可信的情况。800的电话可能是把400和800弄混了；老奶奶接听的电话可能是该店以前用过的，失去了时效性；114的信息一般是经过验证的，可惜不全；关于“不送餐”的留言在2007年是正确的，但发贴日期往往字体很小，人们容易忽视，如此会误导用户。

    Google的使命是要整合全球信息，但全球信息有太多是不可信的信息了，我们可否提出一个新的使命“整合全球可信的信息”，或者先“整合可信的中文信息”。搜索引擎试图解决信息的相关性问题，但对信息的可信性缺乏足够的判断。对用户来说，你给他一大堆相关的信息，但他不知道哪条可信，又有什么用呢？比如有人在百度知道上问“中国的海洋国土面积有多大”，结果得到两个答案，一个是300万平方公里，一个是473万平方公里，他该信哪个呢？信息多了，困惑更多，因为不知道如何判定可信性。

    在Web 1.0时代，主要是媒体在说话，信息的可信度还比较高。在Web 2.0时代，无数草根都在发言，由于发个帖子的成本实在太低，还不用承担任何责任，于是各种各样虚假的、错误、过时的信息开始泛滥成灾了。我们不但在“可信信息”的丛林里迷失了方向，更可悲的是被“可疑信息”的海洋所淹没。在Web 1.0时代迫切需要解决信息的相关性问题，于是搜索引擎应运而生了，在Web 2.0时代迫切需要解决信息的可信性问题，“信息可信度的计算”将受到越来越多的重视。

    信息之所以变得不可信，是由以下原因造成的：

    1、  录入错误

    2、  作者不够专业或记忆有误

    3、  以讹传讹，转贴了别人发的不可信的信息

    4、  恶意造假

    5、  过时

    6、  信息残缺

    为了发现和纠正这些不可信的问题，就需要以下技术：

    1、  可信度计算的理论基础

    包括概念、原理、计算模型、社会学基础、心理学基础等。

    2、  可信度评估

    对新闻媒体可信度的评估

    对UGC（User Genarated Content）可信度的评估

    垃圾网页识别

     “水帖”或称“软文”识别

    谣言识别

    3、  时效性判断

    不仅仅是信息发出的时间，而且包括信息内容中涉及到的信息有效时段，比如，一条国庆节打折信息，可能是在9月25日发出的，但打折有效区间是10月1-7日。为了进行时效性判断，需要准确识别信息中表达时间和空间线索

    4、  可信信息库构建

    抽取可信事实（关系或事件）

    从论坛挖掘寻找可信的问答对

    5、  利用推理，判断可信性

    6、  信息源权威性判别

    发帖人权威性判别：利用回复数、点击数等进行统计分析

    网站可信度判别：Pagerank等链接分析是网站权威性判断的基本手段

    7、  信息传播脉络识别

    信息出处识别：“原始贴”的发现

    转载脉络

    8、  网络互动知识库建设中知识可信度的判定

    互动问答系统中的多答案选择

    互动百科（如Wikepedia）中网友共建信息可信度的判定

    9、  利用人本计算判断信息可信度

    利用用户的褒贬评论，分析发现权威性

    在SNS背景下基于网络计算进行可信度判别

    激发用户帮助确认可信信息，发现可疑信息

    10、          应用系统

    以可信内容为基础的搜索引擎

    信息可信度的综合判定支持平台

    信息可信度的研究成果将使三方受益：对于用户来说，可以更方便地判定信息的可信程度；对于搜索引擎来说，可以有意识地抓取可信的信息，并在搜索结果排序时把可信的链接排在前面；对于网站制作者而言，可以更好地理解用户或搜索引擎判定信息可信度的方式，从而使自己制作的网站可信度更高。

    信息可信度，是对信息质量的探究，在人们对信息的数量和处理速度的追求达到一定程度的时候，信息质量问题会浮出水面。人们会越来越认识到自己需要的不是信息，而是那些可信的有用的信息，而在信息可信度的计算上，自然语言处理将发挥至关重要的作用。

    期待着某一天，我们能够用上“内容可信”的搜索引擎，如果我们发现某条信息不可信，还可以送到“网络信息质监局”去判定一下。那时，我们获取信息和做出决策的效率会大幅度提高，生活的品质也会改善。不过，道高一尺魔高一丈，如果信息安全问题一样，“可信”与“可疑”信息的斗争也会由于虚假信息制造者的存在而成为永恒的话题。