JP2021073621A - ニュースの信憑性を特定する方法 - Google Patents

Abstract

【課題】ニュースの信憑性を特定するシステム及び方法を提供する。【解決手段】方法は、複数のメディア発信源、複数のジャーナリスト及び複数の所定トピックに関する情報を、メモリに記憶する。通信ネットワークを介して、ニュースコンテンツを受信する。受信したニュースコンテンツは評価され、関連メディア発信源、関連ジャーナリスト、及び少なくとも１つの関連所定トピックが識別される。関連メディア発信源、関連ジャーナリスト及び少なくとも１つの関連所定トピックの夫々の現行スコアは、記憶されている情報に基づいて特定される。関連メディア発信源、関連ジャーナリスト及び少なくとも１つの関連所定トピックの特定された現行スコアに基づいて、信憑性スコアが採点される。受信されたニュースコンテンツに対応付けられた表示は、生成された信憑性スコアに基づいて修正される。【選択図】図１

Description

［関連出願の相互参照］
本出願は、２０１７年２月２１日に出願された米国仮特許出願第６２／４６１，７１４号の優先権を主張し、その開示内容は、参照により本明細書に組み込まれるものとする。

［発明分野］
本出願は、ニュースメディアに関し、より具体的には、情報源のニュースの信憑性を解決するシステム及び方法に関する。

［関連技術の説明］
今日のニュースは、朝刊または夜のテレビニュースではなく、電子ニュースフィードによって提供されるようになり、電子ニュースフィードは、人々に娯楽、嫌悪感、歓喜、憤慨感、興奮、恐怖感を与えながら、広告収入を最適化するように設計されたアルゴリズムにより管理されている。チェックアウトカウンタのスペースは、扇情的な話で占められている。実際の話と作られた話を区別することは、今非常に困難となっている。

今日人々は、いくつかの分野において他人の仕事を評価する。Ａｎｇｉｅ'ｓ ｌｉｓｔ（アンジーズリスト）は、住宅改修業界で働く人々に適用される。Ｔｒｉｐ Ａｄｖｉｓｏｒ（トリップアドバイザー）は、宿泊施設、並びに観光客が通常使用する他の場所及びサービスの質に適用される。フェイスブック（登録商標）は、「サムズアップ（高評価）」及び「サムズダウン（低評価）」手法を用いて、対象を好きか否かを示す。これらのシステムのいずれも、評判格付けのより強固な形態を作成するために、組み合わせ可能な複数の軸の包括的な手法を統合していない。

現行のニュースストリームには、フェイクニュースの話が多く掲載されている。消費者及び他のジャーナリストは、メディアの信憑性を特定する機構を有することが不可欠である。グーグル及びフェイスブック（登録商標）の類により、フェイクニュースに対抗する努力が払われているが、現行の努力は拡大していない。

信憑性の尤度を評価することは、多岐にわたり技術的に困難である。１つの難しさは、コンテンツを生成するメディア発信源及び個人ジャーナリストの両方に関して、情報源を評価することである。現在、情報源を評価する唯一の方法は、個人が時間をかけて、メディア発信源及び個人ジャーナリスト両方の多数のコンテンツアイテムを消費し、情報源の評判、従ってその情報源のコンテンツの推定信憑性に関して主観的な意見を述べることである。そうするためには、個人が、報道される主題に関して専門知識を有する、または提示された事実ごとに事実確認者として行動する必要がある。各メディア発信源及びジャーナリストに関連する信憑性の尤度は静的ではなく、品質の向上または低下に伴い経時的に変化し得ること、所有者または広告主の偏重は報道に影響すること、並びに特定のトピックは、複雑さ、証拠の入手可能性、及び包含される主観性の観点から、報道が難しい場合があることから、このような難しさは増大する。

もう１つの難しさは、嘘をついている可能性のある特定の個人による陳述に関して、いくつかのニュースコンテンツが、誠実に報道し得ることである。例えば、政府官僚は（誤って）地球は平らであると述べ得、新聞はそのような陳述がされたと報道し得る。陳述がされたのは事実ではあるが、それでも、地球は実際には平らではなく丸いという事実と同等に目立つ配置で文脈に記載されなければ、このような報道は誤解を招き得る。このような不完全で誤解を招くような報道も同様に、識別するには、個人の知識／専門知識、または事実確認の意志を要する。

このような難しさは、定量的並びに定性的な観点で迅速に評価を行い、ニュースコンテンツの推定信憑性をリアルタイムまたはほぼリアルタイムで伝達する方法が全くないことにより、さらに悪化する。その一方で、「真実が靴を履いている間に、嘘は世界を半周する」という通常（しかし誤って）Ｍａｒｋ Ｔｗａｉｎ著とされる格言がある。現代のコンテンツのバイラリティを踏まえると、虚偽及び虚構は、消費するニュースコンテンツの事実確認を行うための専門知識及び時間／リソースの両方が欠けている人々で主に構成される公共圏に、迅速に広がり得る。専門知識に欠かないまたは時間／リソースを有する少数の人々でさえも、このような虚偽または誤解を、虚偽が広がったのと同程度に修正することは不可能であり得る。従って当技術分野において、ニュースの信憑性を特定するための改善されたシステム及び方法が求められている。

情報源のニュースの信憑性を解決するメディアシステムである。ニュースの信憑性を特定するシステム及び方法が提供される。複数のメディア発信源、複数のジャーナリスト、及び複数の所定トピックに関する情報が、メモリに記憶され得る。通信ネットワークを介して、ニュースコンテンツが受信され得る。受信されたニュースコンテンツは評価され、関連メディア発信源、関連ジャーナリスト、及び少なくとも１つの関連所定トピックが識別され得る。関連メディア発信源、関連ジャーナリスト、及び少なくとも１つの関連所定トピックのそれぞれの現行スコアは、記憶されている情報に基づいて特定され得る。関連メディア発信源、関連ジャーナリスト、及び少なくとも１つの関連所定トピックの特定された現行スコアに基づいて、信憑性スコアが採点され得る。受信されたニュースコンテンツに対応付けられた表示は、生成された信憑性スコアに基づいて修正され得る。

一実施形態では、ニュース記事の信憑性を特定するシステムは、メディア発信源、ジャーナリスト、及び所定トピックに関する情報を記憶するデータベースをメモリ内に含む。プロセッサは、メモリ内に記憶されている命令を実行して、受信されたニュースコンテンツを評価し、関連メディア発信源、関連ジャーナリスト、及び関連所定トピックを識別する。プロセッサによる命令の実行によりまた、メディア発信源、ジャーナリスト、及び所定トピックのそれぞれの現行スコアが特定される。特定された現行スコアに基づいて、次に信憑性スコアが生成される。次いで、生成された信憑性スコアに基づいて、受信されたニュースコンテンツを示す表示が修正される。

第２の実施形態では、ニュース記事の信憑性を特定する方法が請求される。メモリには、メディア発信源、ジャーナリスト、及び所定トピックに関する情報が記憶される。ニュースコンテンツが受信され評価されて、関連メディア発信源、関連ジャーナリスト、及び関連所定トピックが識別される。メディア発信源、ジャーナリスト、及び所定トピックベースのそれぞれの現行スコアが特定され、続いて、メディア発信源、関連ジャーナリスト、及び所定トピックの特定された現行スコアに基づいて、信憑性スコアが生成される。次に、生成された信憑性スコアに基づいて、受信されたニュースコンテンツに関して、表示が修正される。

第３の請求実施形態は、非一時的コンピュータ可読記憶媒体を含む。当媒体は、処理装置により実行され得る命令を記憶する。命令の実行を通して、メディア発信源、ジャーナリスト、及び所定トピックに関する情報が、メモリに記憶される。ニュースコンテンツが受信され評価されて、関連メディア発信源、関連ジャーナリスト、及び関連所定トピックが識別される。メディア発信源、ジャーナリスト、及び所定トピックベースのそれぞれの現行スコアが特定され、続いて、メディア発信源、関連ジャーナリスト、及び所定トピックの特定された現行スコアに基づいて、信憑性スコアが生成される。次に、生成された信憑性スコアに基づいて、受信されたニュースコンテンツに関して、表示が修正される。

本発明の一実施態様による、情報源のニュースの信憑性を特定する例示的アーキテクチャのブロック図を示す。

メディア発信源信頼性（ＭＯＲ）スコアを特定する例示的アーキテクチャのブロック図を示す。

ジャーナリスト信頼性（ＪＲ）スコアを特定する例示的アーキテクチャのブロック図を示す。

記事傾向（ＡＰ）スコアを特定する例示的アーキテクチャのブロック図を示す。

信憑性指数（ＶＩＮ）を特定する例示的アーキテクチャのブロック図を示す。

評価者の識別及び評定を特定する例示的アーキテクチャのブロック図を示す。

ニュースの信憑性を特定する例示的方法論を示す。

例示的処理装置のブロック図を示す。

本発明の実施形態は、数値解析を可能にする定量化可能なやり方で、ニュースの信憑性を特定するシステム及び方法を提供する。このようなニュースの信憑性の特定は、自然言語処理、人工知能／機械学習、及び進化する学習データ集合の再帰的適用の組み合わせに依存し得る。よって、以前、一般化された評判認識に基づいて意見を形成する主観的演習であったものは、特定係数に基づいて信憑性の尤度を客観的に定量化し、そのような定量化された識別をリアルタイムまたはほぼリアルタイムにコンピューティングデバイスのディスプレイ上に視覚的に示す自動システムにより、置き換えられ得る。このような視覚的標示は、行動ベースの定量化スコアにより利用可能となった潜在的な虚偽または虚構表現に関して、粒度の細かい情報を伝達することから、システムは、偽装の有無にかかわらず、未知の虚偽または虚構、並びに既知の虚偽または虚構を、識別することができる。このようなスコアベースの手法はまた、セキュリティシステムがこれまで利用できないまたは不可能であったことを実行可能にする新たな種類の解析ツールを用いることで、潜在的な虚偽または虚構表現に対して、より柔軟でニュアンスが付加されたフィルタリングを可能にする。さらに、このようなフィルタリングは、様々なユーザに合わせて調整することができ、虚偽または虚構コンテンツが、何も知らない公衆にいくらか（さらに）流布される前に、識別され、よって視覚的にフラグが立てられるように保証する。

複数のメディア発信源、複数のジャーナリスト、及び複数の所定トピックに関する情報が、メモリに記憶され得る。通信ネットワークを介して、ニュースコンテンツが受信され得る。受信されたニュースコンテンツは評価され、関連メディア発信源、関連ジャーナリスト、及び少なくとも１つの関連所定トピックが識別され得る。関連メディア発信源、関連ジャーナリスト、及び少なくとも１つの関連所定トピックのそれぞれの現行スコアは、記憶されている情報に基づいて特定され得る。関連メディア発信源、関連ジャーナリスト、及び少なくとも１つの関連所定トピックの特定された現行スコアに基づいて、信憑性スコアが採点され得る。受信されたニュースコンテンツに対応付けられた表示は、生成された信憑性スコアに基づいて修正され得る。

本開示は、情報源のニュースの信憑性を解決する装置及び技術を提供する。本技術の様々な実施形態は、図面を参照しながら説明される。以下の説明では、説明目的で、１つ以上の実施形態の完全な理解を提供するために、多数の具体的な詳細が明記される。しかしながら、本技術はこれらの具体的な詳細がなくとも実践できることは、明らかであり得る。他の例では、これらの実施形態の説明を容易にするために、よく知られている構造及び装置が、ブロック図の形態で示される。本明細書で、用語「例示的」は、「例、事例、または実例として機能する」ことを意味するように使用される。本明細書で「例示的」と説明されるいずれの実施形態も、必ずしも他の実施形態より好ましいまたは有利であると、解釈されるべきではない。

本開示は、ニュアンスが付加された群衆知識に少なくとも部分的に基づいて、話、ジャーナリスト、または発行物の信憑性を特定することに関する。すなわち、公衆の人々は各記事の信憑性を評定することができるが、各評定の重みは、記事の分野におけるその特定の評価者の予測される正確性及び過去の正確性に依存する。具体的には、様々な人が、任意の記事、ジャーナリスト、または発行物に関して、認識される信憑性スコアを付与することができる。信憑性スコアは、その特定の記事、ジャーナリスト、または発行物に関する特定の評価者の正確性についての帰属及び履歴データに基づいて、重み付けされる。

特定の記事、ジャーナリスト、または発行物の信憑性を消費者に示すために、信憑性スコアは、記事、ジャーナリスト、または発行物に関する他のデータと組み合わされ、発行物、ウェブサイト、またはインターネットブラウザで使用できる信憑性指数（Ｖｅｒａｃｉｔｙ Ｉｎｄｅｘ Ｎｕｍｂｅｒ（ＶＩＮ））が作成される。

これは、評価者、ジャーナリスト、及び定期刊行物の過去の実績に基づいて継続的に更新され得る信憑性スコアを生成するための、人工知能（ＡＩ）並びに様々な社会的及び心理的要素に基づいた多面的手法を表す。

図１は、本発明の一実施態様による、情報源のニュースの信憑性を解決する例示的アーキテクチャのブロック図１００を示す。システムが受信する情報の信憑性を判断するために、方法は、調査されている情報の信頼性のスコア付与、並びに動的及び継続的実績アカウンタビリティ機構を伴うマルチパートプロセスを含み、動的及び継続的実績アカウンタビリティ機構は、スコアリング機構を科学捜査的及び技術的に評価して、情報ランドスケープにおける変化を反映するようにスコアリング機構が確実に常時更新されていることを目的とする。

まず、ニュースコンテンツは、印刷またはデジタルテキスト、画像、映像、及び事実報道として提示される他の媒体を含むあらゆる種類の発行物を指すと理解されるべきである。発行物は、従来のメディア発信源に掲載され得るだけでなく、有線サービス、オンライン及びソーシャルメディア発信源、ブログ、及びマイクロブログにおいても発行または再発行され得る。ニュースコンテンツの各アイテムは、従って、追跡及び分析され得る特定の特性に対応付けられ得、特定の特性には、（再）発行した関連メディア発信源、寄稿した関連ジャーナリスト（複数可）、所定トピック（複数可）、アイテムを共有した他の当事者、所定トピックカテゴリ、リンク及び他のデジタルメタデータ、ハッシュ値及び他のデジタル署名、アイテム内に存在するキーワードまたは画像、並びに印刷及びデジタルコンテンツを評価するための当技術分野において既知の他の特性が含まれる。

さらに、ニュースコンテンツアイテム内の陳述の特定の意味を識別するために、自然言語処理技術がアイテムに適用され得る。特定の陳述、例えば「戦争は平和である」、「自由は奴隷状態である」、及び「無知は強さである」は、特定の種類のバイラルコンテンツにおいて広まると知られている一般的な虚偽として、追跡され識別され得る。人工知能技術も適用されるため、明らかな虚偽の検出から逃れようと代替語または同義語が使用されても、このような虚偽の認識が可能となるように、学習集合は拡張され改良される。

自然言語処理及び人工知能のさらなる組み合わせはさらに、このような虚偽伝達の試みを様々な方法で難読化しごまかし得る修辞的技巧を識別することが可能であり得る。例えば、「銃は人を殺さない、人が人を殺す」という陳述は、銃創（銃によってのみ負わされ得る）が実際に多くの人々を殺すという事実をかわすために、銃規制反対者によりしばしば使用される修辞的技巧である。従って、本発明の実施形態では、このような陳述の最初の部分は、推定虚偽の標示、特定の表示修正（例えば削除、編集、強調表示、色またはサイズの最小化、脚注への移動）、及び銃創に起因する死亡の実際の統計に関する追加背景、並びに他の原因（例えば殴り合い、ナイフ）による死亡数との比較に、対応付けられ得る。映像などのメディア形態に関しては、対応する修正が適用され得る。例えば、映像内で個人が虚偽の発言をした後、映像は、機械生成挿入コンテンツ（例えば映像、音声、スクロール文字）を再生するために一時停止され得、機械生成挿入コンテンツは、虚偽の尤度を特定し、いずれの虚偽も修正する任意の好適な文脈を提供する。

偽造画像は、虚偽を表すために、デジタル変更も施され得る。このような画像は、前述と同じような特性に基づいて、同様に分析され、追跡され得る。現在利用可能な画像認識及び分析ツールを使用して、画像の出所、画像が改ざんされているか否かが識別され、信憑性尤度の標示が提供され得る。特定の画像は、例えば虚構（例えば虚構の本、テレビ番組、または映画からの画像）と指定され得、従って、このような画像に関連する署名は、低い信憑性尤度の標示である。

さらに、ニュースアイテムの信頼性を確立するために、システムは、信憑性指数（ＶＩＮ）を生成する。この数は、信憑性を判断する上で最も重要な少なくとも３つの基本変数で算入することにより生成され、第１の基本変数はニュースアイテムを提供する情報源の信頼性、第２の基本変数は個人ジャーナリストの信頼性、及び第３の基本変数はアイテムコンテンツの危殆化傾向である。ＶＩＮは、例えばより最近の変数に対し、より大きな重みを与えることで、経時的に調整され得る。従って、ＶＩＮは本当のまたは信頼できる尤度を示し得るため、特定の範囲は、高い真実尤度、中程度の真実尤度、中間、中程度の虚偽尤度、及び高い虚偽尤度を、反映し得る。いくつかの実施形態では、特定のコンテンツのＶＩＮ範囲を視覚的に示すために、自動化システムが提供され得る。よって、コンテンツ消費者は、コンテンツアイテムを消費する前に、コンテンツが真実または虚偽であるかという全体的尤度、並びにコンテンツ内の各陳述の相対的尤度を、一目で理解することができる。

さらに、コンテンツの再発行またはリンク付けを可能にする発信源（例えばソーシャルメディア、フェイスブック（登録商標）、ツイッター（登録商標））は、このような視覚的標示が、このような再投稿に適用されることを可能にし得る。このような視覚的標示は、全体的な信憑性スコアまたは標示を含み得る、あるいはより粒度が細かくあり得る（例えば、特に真実または虚偽である可能性の高い場合、特定の節、段落、または行が強調表示され得る）。再発行またはリンク付けが許可されている発信源の場合、高い虚偽尤度を有するコンテンツを共有したアカウントに対して、特にこのようなコンテンツが高い可能性で虚偽であることを明示的に顕著に述べることなく、さらにスコアが生成され得る。虚偽である可能性の高いニュース報道が発表されたという事実に、一部の公衆の関心が集まり得るが（例えば、政府または企業体により管理され、その一部門として機能する発信源により当ニュース報道が発行された場合）、やはり、現在開示されているスコア及び信憑性標示が提供する背景なしでは、このようなコンテンツを消費する特定の視聴者にとって、このニュース報道は、欺瞞的であり得、または誤解を招き得る。

いくつかの実施形態において、高い虚偽／虚構尤度を有するコンテンツがソーシャルメディアユーザのタイムライン上に表示されないように、またはそのようなコンテンツの虚偽の陳述が削除され、最小化され、真実または完全な文脈で注釈付けられ、あるいはこのような陳述が虚偽／虚構である可能性があること、及び完全な文脈を提供するために欠落しているであろうものを示すために表示内で修正され得るように、そのようなコンテンツを通して自動的にフィルタリングするツールが、ソーシャルメディアユーザに提供され得る。疑わしい陳述（例えば中程度の虚偽可能性と特定された陳述）もまた、そのように選出され得る。特定の種類の注釈または修正などは、ユーザ嗜好、そのようなコンテンツにアクセスするのに使用された装置の種類、特定のウェブサイトまたはメディアチャネル、及び他の要素に基づき得る。

ニュースアイテムを提供する情報源の信頼性には、メディア発信源信頼性（ＭＯＲ）スコアが付与される。ＭＯＲスコアを取得するには、客観的なデフォルトデータを組み合わせて、情報源の情報配信基準に関して証拠に基づく審査を行う。これらのデフォルトは、特定の発信源が作成を動機付けられている情報の種類の性質に対し重大な影響を与える基準で構成される。このようなデフォルトには、メディア発信源の本国及び無党派報道自由度指数におけるその国のランク、メディア発信源の所有権の性質、発信源の活動の報道競争力の品質、発信源が有する編集スタッフの数、活動年数、並びに、有線サービスまたは国際発信源など、ボットまたは人間を使って他で元々報道された情報を切り取り張り付ける第２の提供者に対して、発信源が生み出す報道が独自によるものであるか否か、以上が含まれる（しかしこれらに限定されない）。

いくつかの実施形態において、ＭＯＲはまた、メディア発信源により事実または真実として提示された明らかに虚偽または不正確である陳述の数（発行時に虚偽または不正確性に関する証拠が利用可能であった）、利用可能な背景がない状態で作成された不完全な（よって誤解を招く）陳述の数、訂正の数、また反対に、いかなる期間も訂正されない状態が許容された虚偽／不正確または不完全／誤解を招く陳述の数、以上を算入し得る。経時的に、メディア発信源が発行した多数のニュースアイテムが評価され、そのような発行されたアイテムの中に存在する虚偽の、不正確な、または誤解を招く不完全な陳述の数が特定され得る。このような数はさらに、アイテムまたは陳述の総数と比較しながら、並びに定義された期間にわたって追跡され、メディア発信源に割り当てられるＭＯＲスコアに算入され得る。例えば、明らかに虚偽である陳述を含むニュースアイテムを発行するメディア発信源は、そのＭＯＲがより高い虚偽尤度へ移行し得る。

個人ジャーナリストの信頼性には、ジャーナリスト信頼性（ＪＲ）スコアが付与される。ＪＲスコアは、ニュースアイテムの背後にいる個人ジャーナリストまたはプロデューサの信頼性を評定することにより特定される。いくつかの事例では、ボット作成記事または署名を使用しないメディア発信源（例えばＴｈｅ Ｅｃｏｎｏｍｉｓｔ）はこのデータを含まないため、この情報が利用可能ではない場合がある。しかし、非人間作成メディアの場合、並びにメディア発信源が所属ジャーナリストを識別しない場合の両方において、このデータが利用不可能である場合、帰属測定値が代用される。各ジャーナリストが作成するコンテンツは、メディア発信源の場合と同様の測定基準及び係数に従って、評価され得る。事実表現に加えて、予測及び分析も、事実から生まれたそのような予測または分析の真実性または成果に関して、過去に遡って評価され得る。よって、ジャーナリスト信頼性スコアは、事実の真実または虚偽のみを反映するのではなく、このようなスコアは、その分析の信頼性及びその予測の先見力も反映し得る。

アイテムコンテンツの危殆化傾向には、記事傾向（ＡＰ）スコアが付与される。ＡＰスコアは、ＭＯＲスコア及びＪＲスコアと組み合わされ、信憑性指数（ＶＩＮ）が確立される。いくつかの種類のコンテンツは、他のコンテンツと比べて、信憑性問題を生じやすい。政治及び芸能ニュースは、他の議論性の低い主題のカテゴリと比べて、事実歪曲の対象となることが多い情報カテゴリの２例である。激論を引き起こすトピックでは、情報操作の可能性に関して、より精密な調査が必要である。一般的なトピックは、一般的なキーワード、一般的な個人、企業、または機関に基づき得る。このスコアは、情報操作が起こる程度を評定する。このようなスコアも、メディア発信源及びジャーナリストの場合と同様の測定基準及び係数の考慮に基づいて、評価され得る。

スコアはまた、それぞれのメディア発信源、ジャーナリスト、及びコンテンツ主題により作成された過去の記事及びコンテンツにも適用され得る。よって、ＭＯＲ、ＪＲ、及びＡＰ、すなわち信憑性指数は、定義された期間に関して、並びにそれぞれの所有者、編集者、ジャーナリスト、広告主、政府体制、及び視聴者が変わることから、経時的な変化に関して、評価され得る。例えば、信憑性指数は、１０年ごと、１年ごと、数年ごとなどにより、特定され得る。よって、特定のメディア発信源は、ある期間は高いＭＯＲを有し得るが、別の期間にははるかに低いＭＯＲを示し得る。いくつかの事例では、メディア発信源は、いくつかのトピックに関してはより信頼性があり得るが、他のトピックに関しては信頼性がない。よって、より粒度の細かいＭＯＲスコアが特定され得る、または評価されるニュースアイテムの具体的な特性に基づいて、そのアルゴリズムが重み付けされ得る。

システムは、ＭＯＲ、ＪＲ、及びＡＰスコアをまとめてＶＩＮスコアを生成し、これはユーザに客観的な測定基準をリアルタイムで提供し、これによりユーザは、コンテンツアイテム内の情報の品質に関してユーザが信頼または警戒すべき程度を判断することが可能となる。このようなスコアはさらに、視覚的標示に対応付けられ得る（例えば、高い虚偽尤度には鮮紅色、中程度の虚偽尤度には薄紅色、真実及び虚偽の等しい尤度には白色または黄色、中程度の真実尤度には薄緑色、並びに高い真実尤度には鮮緑色）。このようなシステムは、ウェブサイト、ブラウザ（例えばプラグイン）、またはオペレーティングシステムアプリケーションにより、実施され得る。

ＶＩＮスコアは、まださらに改善することができる。情報及びニュースの提供者は、常に変化している。ＶＩＮがより有用なツールであるように、ＶＩＮは常に分析され技術的に評価され、アルゴリズム及びデフォルト要件が適切であることが確保され得る。進行中のＶＩＮスコア付けに対し並行手順として実行される科学捜査分析の第２段階が役立つ理由は、技術的評価にあり、これにより、ＶＩＮアルゴリズムを実行する機械モデルは、自身の信憑性を確認する。

これらの分析のそれぞれにおいて、システムは、各トピックの範囲における評価者の予測される信頼性及び最終的に証明された信頼性に基づいて、各意見の価値が重み付けられる、ニュアンス付き評定機構に依存する。

主題の専門評価者のグループは、最初の参加者を形成することができ、ここから、ＶＩＮのスコアのデフォルト要件を知らせるデータが特定され集められる。これらの評価者がデータの初期コーパスを構築し、データの初期コーパスを改良するためにこれらの評価者の後続入力が使用されることから、これらの評価者は、ＶＩＮの背後にある機会モデルが「学習する」出発点である。評判（及び対応付けられる信憑性尤度）は、評価分野に依存する。例えば、医学学位を有するジャーナリストは、建築の学位を有するジャーナリストよりも、ウイルスの発生に関する知識が豊富であると推定される。経済学者は、野球選手よりも、経済に関する知識が豊富であると推定される。しかしながら、職業ごとに、異なるレベルの資格情報が適用され得る。複数の大学院学位、特別研究員の資格、及び評判の良い大学及び病院での研修経験を有し、臨床医学研究を行い、査読論文を執筆したことのある医師は、理事会認定医師の一般的に認められた資格情報を有さない自己認定かつ自己照会の個人よりも、医学に関する知識が豊富であると推定される。

多数のジャーナリストスタッフを有する評判高い新聞社は、３名のスタッフを有する地元の小さい町の新聞社よりも、国際問題に関する正確性に関して、より厳密な基準を適用すると推定される。これらは、システムがより多くのデータを取得し、それらのデータから学習するとともに経時的に調整される初期の想定であり得る。あるいは、新しいか古いかに関係なく過去のニュースアイテムの代表的なサンプルに関する分析に基づいて、初期データ集合が構築され得る。例えば、このような新聞社により発行された過去のニュースアイテムは、それらの正確さに関して、入手可能な証拠及びその後に入手可能な証拠により裏付けられる陳述の発行において、分析され得る。このような分析は、最初に専門評価者の集団により行われ、そこから初期基本スコアが特定され得る。

システムは最初、問題のトピックの専門家として知られている人々に初期評価者を限定することで、無名の意見によるノイズ（及びシステムを利用しようとする人々の悩みの種）を排除し得る。システムに評価者のグループが一旦作成されると、システムは、経時的にＶＩＮを分析することができ、例えば、評価者の集団が数か月にわたり日本円の変化を正確に予測した場合、このトピックにおけるこれらの評価者の正確性は、統計的に有意であると判断され得、経済に関するニュースアイテムのＭＯＲ、ＪＲ、及びＡＰスコアを作成する時、これらの評価者の重み付けを評定するのに、これらの評価者の正確性を使用できる程である。この「正確な集団」及び全ての「正確な集団」（数千存在し得る）は、正確性を示したこれらの評価者から動的に作成され、正確性を示さなくなった評価者は、正確性を示さなくなったことを評価者各自のスコアが反映し始めるにつれ、時間と共に排除され得る。いくつかの評価者は、複数の集団に所属するだろう。

システムは、群衆の構成員ができるだけ偏重なく客観的であることを、透過的に確保する。この大部分は、より正確な評価者は偏重傾向が低いという仮定の下、より正確な評価者のランクが上がることにより、自動的に行われる。アルゴリズム的アカウンタビリティの遂行を促進するために、群衆の結果はまた、最も党派性が低く、最も客観的な種類の評価を区別するような客観的特性に関して、審査される必要がある。これを行うために、システムは、評価者の客観性スコアを確立するアルゴリズムを含む。群衆構成員である評価者の過去の追跡記録スコアに加えて、最小の競合性を生じることが科学的に示されたいくつかのデフォルト特性に沿って、評価者は評定されるべきである。これらの特性には、「積極的な開放的思考」（ＡＯＭＴ）、認知的閉鎖、認知欲求、言語知能適性、パターン認識能力、及び認知反射に関する傾向が含まれる。

評価者のＡＯＭＴを特定するには、いくつかの方法が存在する。一般に、評価者を評定するには、できるだけ少ない主観性でＶＩＮに対応し分析する評価者適性テストが行われる。

第１の例には、以前に評価された人々（例えばＩｎｔｅｌｌｉｇｅｎｃｅ Ａｄｖａｎｃｅｄ Ｒｅｓｅａｒｃｈ Ｐｒｏｊｅｃｔｓ Ａｃｔｉｖｉｔｙ（ＩＡＲＰＡ、情報高等研究計画局）と働いたことのある知名度の高い一流の予測家）が含まれる。ＩＡＲＰＡは、米国情報機関に関する困難な課題を克服するための調査を主導する責任の国家情報局長のオフィス内に存在する組織である。名声のある大学及び機関からレベルの高い資格を付与され、著作物が査読されている専門家は同様に、信頼性のある情報源、並びに他の人々の著作物に対する信頼性のある評価者とみなされ得る。

第２の例には、調査またはテストを行って、この能力に関して高い尤度を生み出す人々が含まれる（これらの人々の追跡記録により、さらに高い予測値が確認されることが仮定される）。

第３の例には、協調フィルタリング、結果比較、並びに帰属知能及び消費行動などの他の要素に基づく深層学習システムにより、この能力が発見された人々が含まれる。

システムが考慮する少なくとも２つのさらなる検討事項が存在する。第１の検討事項は、プライバシーと機密性である。自分がＬＡ Ｔｉｍｅｓの購読者である場合、ＬＡ Ｔｉｍｅｓは自分の身元を知っているが、システム全体はそうではない。ユーザの匿名化に使用できる機構が存在するが、最も単純な機構は採用することができない。その理由は、いかなる掲載も、競合他社のユーザ情報、またはこれに関連して、競合他社には表示許可が明示的に与えられていないあらゆるデータに触れさせていなくても、システムは、ニュース源にわたり評価者の意見を追跡することができるからである。誰かのデータから逆行分析により誰であるかを特定するアルゴリズムを使用することは、例えば医療分野の場合と比べて、リスク（及び害）は少ないが、それでもなおこれらの種類のデータ攻撃を制限することが最善である。

第２の検討事項は、深層学習手法全般にわたる幅広い意味を有する。洗練されたＡＩシステムは、独自に学習するため、本来プログラム可能ではない。例えば最大の広告収入を生み出す手法をシステムに最適化させたい場合、同様のユーザ集団からの結果と比較することができ、ユーザあたり最大収入を生み出す手法が、より良い選択であると推定することができる。ニュースの文脈内において、管理者は、必ずしも客観的に好ましい成果を有するわけではないので、管理者は、システムが選ぶポリシーの種類を特定する機構を有する必要があり、ポリシー専門家の識者団（例えば認定された、偏重のない、または一流の予測家）に、システムが行う帰属ポリシー決定を評価させ、その公平性を判定させる。これはまた、システムは、より偏重のない手法を反映するように変更できなければならないことを意味する。

上記の２つの検討事項の当然の結果として、アカウンタビリティ及び遡及分析の問題がある。おそらく、上記の第２の検討事項を解決するために使用される同じ機構のうちのいくつかを使用して、アカウンタビリティ及び科学捜査的分析が提供され得る。それでもなお、システムは、このような評定に使用可能な科学捜査的フックで構築される必要がある。

ＡＩシステムは、重み付けを決定し経時的に改定する。ＭＯＲ、ＪＲ，ＡＰ、及びＲＡの初期重み付けは、最初、分野の専門家からの入力に大部分基づき得る。ＡＩシステムは、学習集合に対する新たなコンテンツを継続的に分析し、学習集合に追加される新たなデータを識別し、このようなデータが利用可能になると、重み付けを改定する。改定の分野には、記事信憑性分析、評価者の照合及び重み付け、偏重分析、及び／または科学捜査的アカウンタビリティ分析などが含まれる。

図２は、メディア発信源信頼性（ＭＯＲ）スコア（２０９）を特定する例示的アーキテクチャのブロック図を示す。上記のように、学界における査読、スポーツにおけるコーチ投票、並びに証拠に基づいた調査及び予測を行う無党派機関と同様に、初期基本スコアは、専門家の識者団（２０１）からの入力に基づいて、生成され割り当てられ得る。ＭＯＲスコアはさらに、年間世界報道自由度指数における現在の本国ランク（２０２）（重み付けを改定するために複数の報道自由度指数ランキングを含み得る）、メディア所有ステータス（２０３）（メディア所有ステータスが一個人、営利団体、家族、不明などによるかに従ってコード化される）、報道競争力係数（２０４）（メディアの出所地に存在する他の競合メディア発信源の数により決定される）、編集スタッフの総数（２０５）、活動年数（２０６）、報道情報源（２０７）（報道が独自、二次、自動、または既知の釣りであるか）、及び一般的に認められたジャーナリズムの原則及び基準の遵守（２０８）、以上に基づいて経時的に改定され得る。

図３は、ジャーナリスト信頼性（ＪＲ）スコア（３０１）を特定する例示的アーキテクチャのブロック図を示す。ＪＲスコアは、以下の要素に基づいて生成される。ジャーナリストの署名（３０２）が入手可能である場合、ランク付け及び重み付けは、採用スタッフまたはフリーランサーとしてのステータス（３０３）、賞、賞金（３０４）、言及、引用（３０５）、以前の報道及び／または学位／資格に基づいた主題の専門知識（３０６）、以上に基づいて行われる。ジャーナリストの署名が入手可能ではない場合、ランク付け及び重み付けは、ジャーナリスト信憑性履歴の変数に基づいて行われ、ジャーナリスト信憑性履歴の変数は、自動化（ボット作成）された話であるか（３０７）、及び／または構造的に署名を使用しないメディアでの掲載（３０８）という２つのサブカテゴリを通して、評定及びランク付けされる。専門知識の領域には、カテゴリベースによるカテゴリに関する専門知識帰属指数が含まれる（３０９）（カテゴリ未定）。

ジャーナリスト信憑性履歴（３１０）は、専門知識の領域に関するジャーナリストの評価に基づくジャーナリストの累積信憑性履歴を含み、全ての評価は、評価者の専門知識及び評価者のＲＡスコアに基づいて重み付けされている。前述のＭＯＲスコアと同様に、初期基本スコアは、専門家の識者団に基づいて割り当てられ、新たなデータ（例えば、新たな記事、新たな映像、及び新たなソーシャルメディ投稿／共有活動を含む新たなニュースコンテンツアイテム）が評価されると、経時的に改定される。

図４は、記事傾向（４０１）（ＡＰ）スコアを特定する例示的アーキテクチャのブロック図を示す。ＡＰスコアは、記事分析（４０２）（非構造化データ分析）により及び傾向スコア（４０３）により特定される。傾向スコアは、以下の要素に基づく。

当要素には、客観的主題カテゴリ（見出し及び本文に見つかるキーワードメタデータに基づく）、ドメイン名（実際のメディア発信源名の変形であるサイトからの結果は重み付けが低減される）、Ｗｏｒｄｐｒｅｓｓなどの種類、コンテンツ内の綴り誤りの数、ＡＰ文体（または他の確立された出版文体基準書規格）の文法、感情的言語対中立的言語のレベルを評価する感情分析、引用（既知の虚偽情報提供者、ネット荒らしなどからの引用の偏った使用が引用に見受けられる場合、重み付けが低減される）、情報発信国、メディア発信源カテゴリＩＤ（記事のメディア発信源によるカテゴリ識別法）、及び日付（記事は時間データに従って重み付けすることができ、例えば、選挙の頃の政治ニュースは、情報操作要素などに対する感度は高い状態で重み付けが行われる）、以上が含まれる。

図５は、信憑性指数（５０１）（ＶＩＮ）を特定する例示的アーキテクチャのブロック図を示す。ＶＩＮを決定する例示的な式は、ＶＩＮ＝（全ての評価者の累積ＲＡスコア）（５０２）＋Ｎ（５０３）＊（ＭＯＲスコア＋ＪＲスコア＋ＡＰスコア）（５０４）である。

十分なデータが得られるまで、最初は、大きな値のＮにより、ＭＯＲスコアが最も重く重み付けされる。システムにより多くのデータが与えられるにつれ、重み付けは、ＲＡスコアに移り（すなわちＮは小さくなり）、ＪＲスコアは、ＭＯＲスコアより重く重み付けされる。

図６は、評価者の識別及び評定を特定する例示的アーキテクチャのブロック図を示す。ＩＤプロバイダ（６０２）は、そのＩＤプロバイダに登録された評価者（６０１）の識別を有し、評価者のプライバシー及び機密性を維持する。匿名化された評価者データは、評価者オプトイン及び匿名化プロトコルに従って、匿名評価者データベースサービスプロバイダ（ＡＲＤＳＰ）（６０３）により共有され得る。ＡＲＤＳＰは、評価者データを管理し、評価者データを匿名で利用可能にするエンティティであり、並びに信憑性指数を生成するために評価者データを利用するエンジンである。

１つの可能な機構は、ユーザが、ＡＲＤＳＰにログインし、その後自分のメディアアカウントを匿名評価者データベース（ＡＲＤ）にリンクすることを可能にする。ＡＲＤは、全ての被許可者によりアクセス可能な共通データベース（６０４）に格納された匿名化された評価者（ユーザ）データベースである。

次に、第２のアカウントで、ログインが標準化されたＩＤ連合機構が使用される（フェイスブック（登録商標）またはグーグルなど）。通常のメディアＩＤプロバイダ（ウォールストリートジャーナルまたは大学など）が、連合ＩＤシステムの最初のアンカーとして参加できるように、作業が行われる必要があり得る。

ＡＲＤＳＰは、評価者ごとに１つ以上のＩＤを有する。同一人物が複数のＩＤプロバイダからのＩＤを有することができ、及び／または機構を使用することで、評価者が自身の識別を、ＩＤプロバイダには知られないがＡＲＤＳＰには知られる単一のグローバルＩＤに落とすことが任意で可能となり得る。

評価者の信憑性の分析を最適化するために（少なくとも初期段階で）、ユーザ情報データ（すなわち教育、職歴など）を収集し（フォームまたはインポートを介して）検証する機構が開発される必要がある。

一流の予測家は、２種類に分けられる。ＩＡＲＰＡトーナメントのように事前に選別された一流予測家と、評価精度に基づいて正確であると認められた一流予測家である。

ＩＡＲＰＡトーナメントのように事前に選別された一流の予測家の場合、評判の高い評価者のこの集団に関しては、個人差スクリーニングを使用して、評価者の能力を導き出すことで、評価者の分析を最適化し、信憑性指数変数を決定、重み付け、及び評定することができる。このスクリーニングは、定期的に確認されるスコアまたはランク（個人差スクリーニングスコア（ＩＤＳＳ））を生成することで、客観性の閾値レベルを確保する。ＩＤＳＳは、認知欲求、積極的な開放的思考（ＡＯＭＴ）、認知反射、認知的閉鎖欲求、パターン認識、ウェックスラー言語知能、及びブライアスコア、以上の特性にわたって、個々の評価者を評定することにより生成される。

ブライアスコアは、確率的予測の正確性を測定する適切なスコア関数である。相互排他的な離散結果の集合に、予測により確率を割り当てる必要があるタスクに対し、ブライアスコアは適用可能である。可能な結果集合は、本質的に二値または絶対であり得、この結果集合に割り当てられた確率は、合計すると１になる必要があり、個々の確率は０〜１の範囲内である。

評価精度に基づいて正確であると認められた一流予測家の場合、個々の予測の正確さを追跡することで、ＡＩエンジンは、上記の７つの要素、認知欲求、ＡＯＭＴ、認知反射、認知的閉鎖欲求、パターン認識、ウェックスラー言語知能、及びブライアスコアを帰属させ、ＩＤＤＳスコアを生成し得る。

全ての評価者の過去の信憑性は追跡され、評価者の評定は、定期的に更新される。

最後に、システムは、評価者の照合を実行する。

図７は、社会的ジェスチャによりイベントを開始する例示的方法論を示す。

図８は、例示的処理装置８００のブロック図を示す。処理装置８００は、基本入出力システム（ＢＩＯＳ）８１０と、メモリ８２０と、記憶装置８３０と、ネットワークインターフェース８４０と、プロセッサ８５０と、ノースブリッジ８６０と、サウスブリッジ８７０と、入出力（ＩＯ）インターフェース８８０とを含み得る。

処理装置８００は、例えば、サーバコンピュータ（例えばデータセンタ内の多数のラックサーバのうちの１つ）、パーソナルコンピュータ、ラップトップコンピュータ、スマートフォン、タブレット、エンターテイメントコンソール、ウェアラブルデバイス、またはセットトップボックスなどの、データを処理する任意の機器であり得る。プロセッサ（例えば中央処理装置（ＣＰＵ））８５０は、メモリ８２０に記憶されているプログラミング命令を取得し実行することができるマザーボード上のチップであり得る。プロセッサ８５０は、単一の処理コアを有する単一のＣＰＵ、複数の処理コアを有する単一のＣＰＵ、または複数のＣＰＵであり得る。１つ以上のバス８９０は、プロセッサ８５０、メモリ８２０、記憶装置８３０、及びネットワークインターフェース８４０などの様々なコンピュータ構成要素間で、命令及びアプリケーションデータを送信し得る。

メモリ８２０は、様々な形態のランダムアクセスメモリ（ＲＡＭ）など、データまたはプログラムを一時的または永続的に記憶するのに使用される任意の物理装置を含み得る。記憶装置８３０は、ＨＤＤまたはフラッシュドライブなど、不揮発性データ記憶用の任意の物理装置を含み得る。記憶装置８３０は、メモリ８２０より大きな容量を有し得ることが多く、記憶装置単位あたりより経済的になり得るが、データ転送速度もより遅くなり得る。

ＢＩＯＳ８１０は、基本入出力システム、またはその後継物もしくは同等物、例えば拡張ファームウェアインターフェース（ＥＦＩ）または統一拡張ファームウェアインターフェース（ＵＥＦＩ）を含み得る。ＢＩＯＳ８１０は、ＢＩＯＳソフトウェアプログラムを記憶している処理装置８００のマザーボード上に配置されたＢＩＯＳチップを含み得る。ＢＩＯＳ８１０は、ＢＩＯＳ８１０用に指定された設定集合と共に、コンピュータシステムが最初に電源を入れられた時に実行されるファームウェアを格納し得る。ＢＩＯＳファームウェア及びＢＩＯＳ設定は、不揮発性メモリ（例えばＮＶＲＡＭ）８１２またはフラッシュメモリなどのＲＯＭに、格納され得る。フラッシュメモリは、電子的に消去及び再プログラム可能な不揮発性コンピュータ記憶媒体である。

ＢＩＯＳ８１０は、処理装置８００が起動されるたびに、シーケンスプログラムとしてロードされ実行され得る。ＢＩＯＳ８１０は、設定集合に基づいて、所与のコンピューティングシステムに存在するハードウェアの認識、初期化、及びテストを行い得る。ＢＩＯＳ８１０は、処理装置８００上で、パワーオンセルフテスト（ＰＯＳＴ）などの自己テストを実行し得る。この自己テストは、ハードディスクドライブ、光学読み出し装置、冷却装置、メモリモジュール、及び拡張カードなど、様々なハードウェア構成要素の機能をテストすることができる。ＢＩＯＳは、オペレーティングシステムを格納するために、メモリ８２０内の領域をアドレス指定し、割り当て得る。次にＢＩＯＳ８１０は、コンピュータシステムの制御を、ＯＳに与え得る。

処理装置８００のＢＩＯＳ８１０は、ＢＩＯＳ８１０が処理装置８００内の様々なハードウェア構成要素を制御する方法を定義したＢＩＯＳ設定を含み得る。ＢＩＯＳ設定は、処理装置８００内の様々なハードウェア構成要素の起動順序を決定し得る。ＢＩＯＳ８１０は、ＢＩＯＳデフォルト設定内のパラメータとは異なり得る、様々な異なるパラメータを設定することを可能にするインターフェース（例えばＢＩＯＳセットアップユーティリティ）を提供し得る。例えば、ユーザ（例えば管理者）は、ＢＩＯＳ８１０を使用して、クロック速度及びバス速度を特定し、コンピュータシステムに接続されている周辺機器を特定し、健全性（例えばファン速度及びＣＰＵの温度限界）の監視を特定し、コンピュータシステムの全体的性能及び電力使用量に影響を与える様々な他のパラメータを特定し得る。

ネットワークインターフェース８４０は、処理装置８００をネットワーク８０２に接続する。ネットワークインターフェース８４０は、ネットワーク８０２との間でデータを送信するように構成される。ネットワーク８０２は、インターネットなどの広域ネットワーク（ＷＡＮ）、またはローカルエリアネットワーク（ＬＡＮ）を含み得る。ネットワーク８０２には、イントラネット、ストレージエリアネットワーク（ＳＡＮ）、パーソナルエリアネットワーク（ＰＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、無線ローカルエリアネットワーク（ＷＬＡＮ）、仮想私設ネットワーク（ＶＰＮ）、セルラまたは他のモバイル通信ネットワーク、無線ローカルエリアネットワーク化（ＷｉＦｉ（登録商標））ネットワーク、ＢＬＵＥＴＯＯＴＨ（登録商標）無線技術接続、近距離通信（ＮＦＣ）接続、これらの任意の組み合わせ、並びに信号、データ、及び／またはメッセージの通信を促進する任意の他の好適なアーキテクチャまたはシステム、以上が含まれ得る。

Ｉ／Ｏインターフェース８８０により、処理装置８００は、キーボード、マウス、リモートコントロール、コントローラ、マイクロフォン、テレビ、ヘッドマウントディスプレイ（ＨＭＤ）、及び／またはモニタなどのＩ／Ｏ装置と接続することが可能となる。

ノースブリッジ８６０は、プロセッサ８５０に直接接続することができる、またはプロセッサ８５０に統合することができるマザーボード上のチップであり得る。いくつかの事例では、ノースブリッジ８６０及びサウスブリッジ８７０は、単一のダイに統合することができる。ノースブリッジ８６０及びサウスブリッジ８７０は、プロセッサ８５０とマザーボードの他の部分との間の通信を管理する。ノースブリッジ８６０は、サウスブリッジ８７０よりも高い性能を要するタスクを管理し得る。ノースブリッジ８６０は、プロセッサ８５０と、メモリ８２０と、ビデオコントローラ（図示せず）との間の通信を管理し得る。いくつかの事例では、ノースブリッジ８６０は、ビデオコントローラを含み得る。

サウスブリッジ８７０は、ノースブリッジ８６０に接続されたマザーボード上のチップであり得るが、ノースブリッジ８６０と異なり、プロセッサ８５０に直接接続されていない。サウスブリッジ８７０は、処理装置８００の入出力機能（例えばオーディオ機能、ＢＩＯＳ、ユニバーサルシリアルバス（ＵＳＢ）、シリアルアドバンストテクノロジーアタッチメント（ＳＡＴＡ）、周辺構成要素相互接続（ＰＣＩ）バス、ＰＣＩ ｅＸｔｅｎｄｅｄ（ＰＣＩ‐Ｘ）バス、ＰＣＩエクスプレスバス、業界標準アーキテクチャ（ＩＳＡ）バス、シリアルペリフェラルインターフェース（ＳＰＩ）バス、拡張シリアルペリフェラルインターフェース（ｅＳＰＩ）バス、システム管理バス（ＳＭＢｕｓ）など）を管理し得る。サウスブリッジ８７０は、Ｉ／Ｏインターフェース８８０ダイレクトメモリアクセス（ＤＭＡ）コントローラ、プログラマブル割り込みコントローラ（ＰＩＣ）、及びリアルタイムクロックに接続され得る、またはこれらをサウスブリッジ８７０内に含み得る。

１つ以上の入力装置８０６は、処理装置８００に接続することができる。入力装置８０６はまた、処理装置８００に統合することもできる。入力装置８０６は、ゲームコントローラ、ジョイスティック、マウス、キーボード、タッチスクリーン、トラックパッド、または他の同様の制御装置のうちの少なくとも１つであり得る。入力装置８０６により、ユーザは、入力データを処理装置８００に提供することが可能となる。

１つ以上の表示装置８０４は、処理装置８００に接続することができる。表示装置８０４はまた、処理装置８００に統合することもできる。表示装置８０４は、モニタ、発光ディスプレイ（ＬＥＤ）スクリーン、液晶ディスプレイ（ＬＣＤ）スクリーン、ヘッドマウントディスプレイ（ＨＭＤ）、仮想現実（ＶＲ）ディスプレイ、拡張現実（ＡＲ）ディスプレイ、または他のそのような出力装置のうちの少なくとも１つであり得る。表示装置８０４により、処理装置８００は、視覚情報をユーザに出力することが可能となる。

本明細書の開示に関連して説明される様々な例示的な論理ブロック、モジュール、及び回路は、汎用プロセッサ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）もしくは他のプログラマブル論理デバイス、個別ゲートもしくはトランジスタ論理、個別ハードウェア構成要素、または本明細書で説明される機能を実行するように設計されるこれらの任意の組み合わせ、以上を用いて実装または実行され得る。汎用プロセッサは、マイクロプロセッサであり得るが、代替的にプロセッサは、任意の従来のプロセッサ、コントローラ、マイクロコントローラ、またはステートマシンであり得る。プロセッサはまた、コンピューティングデバイスの組み合わせ、例えばＤＳＰとマイクロプロセッサの組み合わせ、複数のマイクロプロセッサ、ＤＳＰコアと連動する１つ以上のマイクロプロセッサ、または任意の他のこのような構成として、実装され得る。

本明細書の開示に関連して説明される方法またはアルゴリズムの動作は、ハードウェア、プロセッサにより実行されるソフトウェアモジュール、またはこの２つの組み合わせにおいて、直接具現化され得る。ソフトウェアモジュールは、ＲＡＭメモリ、フラッシュメモリ、ＲＯＭメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、レジスタ、ハードディスク、リムーバブルディスク、ＣＤ‐ＲＯＭ、または当技術分野で知られている任意の他の形態の記憶媒体に存在し得る。例示的な記憶媒体は、プロセッサが記憶媒体から情報を読み出し、記憶媒体に情報を書き込むことができるように、プロセッサに接続される。代替的に、記憶媒体は、プロセッサに統合され得る。プロセッサ及び記憶媒体は、ＡＳＩＣ内に存在し得る。ＡＳＩＣは、ユーザ端末に存在し得る。代替的に、プロセッサ及び記憶媒体は、ユーザ端末内に個別の構成要素として存在し得る。

１つ以上の例示的な設計において、説明される機能は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの任意の組み合せで実施され得る。ソフトウェアで実施される場合、機能は、非一時的コンピュータ可読媒体上に、１つ以上の命令またはコードとして記憶され得る、または１つ以上の命令またはコードとして送信され得る。非一時的コンピュータ可読媒体は、コンピュータ記憶媒体と、ある場所から別の場所へコンピュータプログラムの転送を促進する任意の媒体を含む通信媒体との両方を含む。記憶媒体は、汎用または専用コンピュータによりアクセスすることができる任意の利用可能な媒体であり得る。限定ではなく例として、このようなコンピュータ可読媒体には、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ‐ＲＯＭまたは他の光学ディスク記憶装置、磁気ディスク記憶装置または他の磁気記憶装置、あるいは所望のプログラムコード手段を命令またはデータ構造の形態で携帯または記憶するのに使用可能であり、汎用もしくは専用コンピュータ、または汎用もしくは専用プロセッサによりアクセス可能である任意の他の媒体が含まれ得る。本明細書で使用されるディスク（Ｄｉｓｋ及びＤｉｓｃ）には、コンパクトディスク（ＣＤ、Ｄｉｓｃ）、レーザディスク（登録商標）（Ｄｉｓｃ）、光ディスク（Ｄｉｓｃ）、デジタル多用途ディスク（ＤＶＤ、Ｄｉｓｃ）、フロッピー（登録商標）ディスク（Ｄｉｓｋ）、及びブルーレイディスク（Ｄｉｓｃ）が含まれ、ディスク（Ｄｉｓｋ）は通常磁気的にデータを再生し、一方ディスク（Ｄｉｓｃ）はレーザで光学的にデータを再生する。上記の組み合わせも、非一時的コンピュータ可読媒体の範囲内に含まれるべきである。

本開示のこれまでの説明は、任意の当業者が本開示を作成または使用することを可能にするために提供される。本開示に対する様々な変更は、当業者には容易に明らかであり、本明細書で定義される一般的原理は、本開示の範囲から逸脱することなく、他の変形形態に適用することができる。従って、本開示は、本明細書で説明される実施例および設計に限定されることを意図せず、本明細書で開示される原理及び新たな特徴と一貫した最も広い範囲が与えられるべきである。

Claims (28)

1. メディアプロバイダの信頼性を決定する方法であって、前記方法は、
   情報をメモリに記憶するステップであって、前記記憶された情報は、
   複数のメディアプロバイダに対する複数の信頼性スコアであって、各信頼性スコアは特定の時間に関連づけられている、前記複数の信頼性スコアと、
   ニュースストーリーにおける虚偽を特定するための１つ以上のパラメータとを含む、記憶するステップと、
   １つ以上のオンラインプラットフォーム上で再発行された複数のニュースストーリーを追跡するステップであって、各ニュースストーリーは各メディアプロバイダに関連付けられている、追跡するステップと、
   虚偽を特定するための前記パラメータにもとづいて前記メディアプロバイダの少なくとも一つに対して前記追跡された複数のニュースストーリーをフィルタリングするステップであって、前記少なくとも一つのメディアプロバイダと関連付けられたニュースストーリーのサブセットが１つ以上の虚偽を含むものとして特定される、フィルタリングステップと、
   前記特定された虚偽の量を前記少なくとも一つのメディアプロバイダと関連付けられたニュースストーリーの総数と比較するステップと、
   前記少なくとも一つのメディアプロバイダと関連付けられたニュースストーリーの前記サブセットに基づいて前記少なくとも一つのメディアプロバイダに対する現在の信頼性スコアを調整するステップと、
   前記調整された信頼性スコアにもとづいて視覚的標示を生成するステップであって、前記生成された視覚的標示は、前記少なくとも一つのメディアプロバイダと関連付けられた前記再発行されたニュースストーリーに適用される、生成するステップと
   を含む方法。
2. 前記複数のメディアプロバイダに対する前記複数の信頼性スコアは、前記特定の時間の間に前記複数のメディアプロバイダのそれぞれに対してニュースアイテムを執筆するジャーナリストの信頼性の考慮を含む、請求項１に記載の方法。
3. 前記特定の時間の間に前記複数のメディアプロバイダのそれぞれに対してニュースアイテムを執筆するジャーナリストの信頼性は、前記ジャーナリストによって執筆された前記ニュースアイテムに関する前記ジャーナリストのバックグラウンドの考慮を含む、請求項２に記載の方法。
4. 前記複数のメディアプロバイダに対する前記複数の信頼性スコアは、前記特定の時間の間に前記複数のメディアプロバイダのそれぞれについてコンテンツのタイプに対する危殆化傾向の考慮を含む、請求項１に記載の方法。
5. 前記特定の時間は、前記複数のメディアプロバイダの内の１つ以上の所有権の文脈において考慮される、請求項１に記載の方法。
6. 前記特定の時間は、前記複数のメディアプロバイダの内の１つ以上の編集者の文脈において考慮される、請求項１に記載の方法。
7. 前記特定の時間は、前記複数のメディアプロバイダの内の１つ以上が動作している政府体制の文脈において考慮される、請求項１に記載の方法。
8. 前記特定の時間は、前記複数のメディアプロバイダの内の１つ以上において広告を出している１つ以上の広告主の文脈において考慮される、請求項１に記載の方法。
9. ニュースストーリーにおける虚偽を特定するための前記パラメータは、虚偽の証拠が利用可能になる時の考慮を含む、請求項１に記載の方法。
10. ニュースストーリーにおける虚偽を特定するための前記パラメータは、前記ニュースストーリーにおける前記虚偽の文脈の考慮を含む、請求項１に記載の方法。
11. ニュースストーリーにおける虚偽を特定するための前記パラメータは、前記ニュースストーリーにおける前記虚偽が後に訂正されたかどうかの考慮を含む、請求項１に記載の方法。
12. ニュースストーリーにおける虚偽を特定するための前記パラメータは、前記ニュースストーリーにおける前記虚偽の数の考慮を含む、請求項１に記載の方法。
13. 前記１つ以上のオンラインプラットフォームは有線サービスを含む、請求項１に記載の方法。
14. 前記１つ以上のオンラインプラットフォームはソーシャルメディア発信源を含む、請求項１に記載の方法。
15. 前記１つ以上のオンラインプラットフォームは従来のメディア発信源を含む、請求項１に記載の方法。
16. 前記１つ以上のオンラインプラットフォームはブログを含む、請求項１に記載の方法。
17. 前記特定された虚偽はテキストをベースにしている、請求項１に記載の方法。
18. 前記特定された虚偽はビデオをベースにしている、請求項１に記載の方法。
19. 前記特定された虚偽は静止画像をベースにしている、請求項１に記載の方法。
20. 前記現在の信頼性スコアを調整することは重み付けを含む、請求項１に記載の方法。
21. 前記重み付けはより最近の変数に起因する、請求項２０に記載の方法。
22. 前記重み付けは履歴変数に起因する、請求項２０に記載の方法。
23. 前記現在の信頼性スコアはリアルタイムで調整される、請求項２０に記載の方法。
24. 前記重み付けは記者署名の存在の考慮を含む、請求項２０に記載の方法。
25. 前記重み付けはジャーナリストの雇用ステータスの考慮を含む、請求項２０に記載の方法。
26. 前記重み付けはジャーナリストの引用の考慮を含む、請求項２０に記載の方法。
27. 前記重み付けはジャーナリストの認知を含む、請求項２０に記載の方法。
28. メディアプロバイダの信頼性を決定する方法を実行するために、プロセッサにより実行可能なプログラムが具現化された非一時的コンピュータ可読記憶媒体であって、前記方法は、
    複数のメディアプロバイダに対する複数の信頼性スコアであって、各信頼性スコアは特定の時間に関連づけられている、前記複数の信頼性スコアと、ニュースストーリーにおける虚偽を特定するための１つ以上のパラメータとを含む、情報を記憶するステップと、
    １つ以上のオンラインプラットフォーム上で再発行された複数のニュースストーリーを追跡するステップであって、各ニュースストーリーは各メディアプロバイダに関連付けられている、追跡するステップと、
    虚偽を特定するための前記パラメータにもとづいて前記メディアプロバイダの少なくとも一つに対して前記追跡された複数のニュースストーリーをフィルタリングするステップであって、前記少なくとも一つのメディアプロバイダと関連付けられたニュースストーリーのサブセットが１つ以上の虚偽を含むものとして特定される、フィルタリングステップと、
    前記特定された虚偽の量を前記少なくとも一つのメディアプロバイダと関連付けられたニュースストーリーの総数と比較するステップと、
    前記少なくとも一つのメディアプロバイダと関連付けられたニュースストーリーの前記サブセットに基づいて前記少なくとも一つのメディアプロバイダに対する現在の信頼性スコアを調整するステップと、
    前記調整された信頼性スコアにもとづいて視覚的標示を生成するステップであって、前記生成された視覚的標示は、前記少なくとも一つのメディアプロバイダと関連付けられた前記再発行されたニュースストーリーに適用される、生成するステップと
    を含む非一時的コンピュータ可読記憶媒体。

Images