近年来，计算假新闻检测取得了显著进展。为了减轻其负面影响，我们认为，了解哪些用户属性可能导致用户分享假新闻至关重要。这个因果推理问题的关键是识别混杂因素——导致治疗(如用户属性)和结果(如用户易感性)之间虚假关联的变量。在假新闻传播中，混淆者可以被描述为与用户属性和在线活动内在相关的假新闻分享行为。对于那些容易在社交媒体上分享新闻的用户来说，学习这种用户行为通常会受到选择偏差的影响。基于因果推理理论，我们首先提出了一种原理性的方法来缓解假新闻传播中的选择偏差。然后，我们将习得的无偏见假新闻分享行为视为可以充分捕捉用户属性和用户易感性之间的因果关系的替代混淆物。我们从理论上和实证上描述了该方法的有效性，并发现它可能有助于保护社会免受假新闻的危害。

https://www.zhuanzhi.ai/paper/0fc63a39f9bf4933d8caa136d564fba8