Content Deviation Recognition and Recommendation Model for Sports and Health Information: Based on Improved Text Rank Algorithm and Deep Fusion Transformer Architecture
本研究提出了一种改进的体育健康信息内容偏差识别与推荐模型，该模型集成了增强型 TextRank 算法与 SBERT、来源可信度机制以及多层级 BERT-Longformer Transformer 架构，旨在有效识别误导性内容并优先推荐高可信度内容，其在偏差检测和排序指标方面的表现优于现有的基准模型。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在数字时代，健康建议的传播速度比以往任何时候都快。关于奇迹饮食或快速见效补充剂的单篇帖子可以在专家验证之前，通过社交媒体和视频平台传播，触及数百万用户。这种速度产生了一个危险的问题：旨在向我们展示所爱之物的算法，往往优先考虑煽动性的言论而非事实的准确性。当用户搜索减肥或增强免疫力的方法时，系统可能会推送那些承诺不可能结果的未经证实的文章，仅仅因为这些文章的写法极具吸引力。科学家和工程师面临的核心挑战是，建立一种不仅能匹配用户兴趣，还能理解信息是否可靠的系统。这需要一种新型的智能，它能够阅读长篇文章，感知专业建议与伪科学之间的微妙区别，并权衡发布该信息的个人或组织的声誉。
一个研究团队开发了一种新模型来解决这一确切问题，创建了一个既能作为过滤器又能作为体育和健康信息引导系统的程序。他们的工作侧重于两个主要任务：识别误导性内容，以及仅向用户推荐可靠的材料。为此，他们构建了一个计算机程序，该程序从大量的现实世界健康文章中学习，其中包含一些已知为虚假的信息。系统首先会对文本进行拆解，以寻找最重要的观点，这不仅仅是通过统计单词出现的频率，而是通过理解这些单词所处的语境。随后，它会评估信息的来源，根据文章是来自公认的医疗机构还是不太可靠的网站，为其分配信任分值。最后，它结合这些洞察力来决定哪些文章应该展示给用户，哪些应该被拦截以待进一步审查。
研究人员使用了一组专家多年来一直在使用的健康误导信息大型数据集对他们的模型进行了测试。他们发现，与以往的方法相比，他们的新方法在识别虚假信息方面表现得更为出色。在被要求识别具有偏见或误导性的内容时，该模型的准确率达到了 92.7%，超越了其他依赖标准语言处理技术的先进系统。这种进步至关重要，因为误导性的健康说法往往隐藏在众目睽睽之下，利用看似科学的语言来伪装未经证实的观点。通过理解句子的深层含义而非仅仅寻找关键词，该模型能够更有效地检测出这些微妙的欺骗行为。
除了识别谎言，该系统还学会了如何对信息进行排序，使最可靠的文章出现在用户的动态顶端。研究人员引入了一种计算“来源置信度分数”的方法，这就像是出版者的声誉勋章。如果文章来自高度信任的医疗组织，它就会获得高分；如果来自有传播虚假言论历史的来源，分数就会下降。当研究人员将这种声誉因素加入到他们的排名系统中时，推荐文章的质量有了显著提升。系统变得更擅长将高质量、相关的内推送到前端，同时压低那些既具误导性又来自不可靠来源的文章。
该研究还观察了模型在特定主题上的表现，例如运动方案、营养补充剂和疫苗安全性。该系统在处理运动方法方面的查询时表现得尤为有效，在正确识别偏见内容方面的准确率接近 94%。对于有关补充剂的问题，系统能够将最可靠的答案排在显著更高的位置。在一项特定的测试中，系统成功标记了一组高风险文章，其内容如“通过三种药丸在一周内减掉五磅”或“疫苗导致 DNA 突变”。这些文章被自动移至人工审查的限制名单中，从而防止它们被广泛传播给公众。
这项工作的卓越之处在于它结合了不同的技术来处理长篇健康文章的复杂性。传统方法在处理非常长的文本或信息分散在许多段落中的文本时往往难以应对。新模型采用了双层方法：一部分专注于句子的即时细节，而另一部分则观察文本中相距较远的部分之间的联系。这使得系统能够理解论点的全貌，即使误导性的主张被埋藏在文章深处。研究人员还发现，即使在学习数据有限的情况下，该系统也能表现良好，这表明它可以被应用到新出现的各类健康话题中。
结果表明，建立一个将真理视为与流行度同等重要的推荐系统是可能的。通过将来源可靠性的衡量标准直接整合到文章排名方式中，该模型降低了用户接触危险健康建议的可能性。该研究并未声称已经完全解决了误导信息问题，并指出该系统仍依赖于现有的信任来源数据库，且尚未考虑到个体用户的偏好。然而，这些发现为下一代健康信息工具提供了坚实的基础。该模型证明，通过教导计算机在衡量内容的关联性的同时权衡来源的可信度，我们可以创造一个让准确的健康信息更容易被发现、也更难被忽视的数字环境。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。