该论文介绍了两种基于逻辑回归和布尔众包算法的分类技术，使用用户 “like” 信息对 Facebook 帖子进行分类，能够高准确地区分谣言和非谣言，这些结果表明，信息传播模式的映射可以是自动虚假消息检测系统的有用组成部分。

Apr, 2017

本文提出了一种基于标记时间点过程的灵活表示方式，开发了一种可扩展的在线算法 Curb 来选择应该何时对故事进行事实核查以有效地减少假新闻和误导性信息的传播。

Nov, 2017

在 COVID-19 期间，社交媒体上的虚假信息泛滥，本研究针对巴西的事实核查机构使用一种 Markov-based 的计算方法来识别推文的话题，并揭示了这些机构揭穿的话题在政治和健康危机之间复杂交织的关系。

Dec, 2020

提出一个基于文本和图像的事实核查框架，它能够直接警告虚假新闻发布者和网络用户，并使用事实核查文章来阻止虚假信息的传播。

Oct, 2020

本研究报道了在 2010 年美国选举期间发生了一个名为 Twitter-bomb 的有组织虚假信息传播事件，并总结了虚假信息在社交网络中传播的路径；然后以 2016 年美国总统选举为例，描述了虚假信息在 Facebook 等社交媒体上的传播，并就如何提高社区研究对社会问题的影响力展开了讨论。

Mar, 2017

自动化系统用于跟踪网上平台上的新闻叙事，识别其中的流行叙事，并发现并分析最有影响力的网站和新兴叙事，有助于更快地解决不实信息。

Aug, 2023

社交媒体平台在信息传播中起着重要作用，本研究旨在通过识别和分类新闻，解决社交媒体平台上虚假消息和不可验证事实的传播问题，提出了基于图模型的概率马尔可夫信息传播模型，并通过实验研究证明了其在准确性和检测时间方面优于现有的虚假信息检测算法。

Oct, 2023

本文对虚假信息的不同方面进行了全面调研，包括虚假信息传播的行为者、成功欺骗读者的理由、虚假信息的影响和特征、检测虚假信息的算法以及未来的研究方向。

Apr, 2018

在网络谣言、虚假声明和 “假新闻” 日益猖獗的情况下，自动辟谣和事实核查变得越发引人关注。本文探讨了一种更为有前途的方法，即对整个新闻媒体进行事实核查。我们在 Tanbih 新闻聚合器中开发了媒体档案，显示报道的一般真实性、宣传性内容的程度、过度党派性、主要政治意识形态、报道的一般框架及其对各种争议观点和议题的立场。

Aug, 2020

为了更好地理解应对疫情时的危机管理实践，本研究对 Twitter 上 COVID-19 相关的虚假言论的传播、作者和内容进行了探索性研究，收集了自 2020 年 1 月至 7 月中旬以来被 92 个专业事实核查机构证实为虚假或部分虚假的言论，并发现虚假言论比部分虚假言论传播得更快，结果为对当前科学研究的空白提出了建议，同时也提出了对抗 COVID-19 疫情期间社交媒体虚假言论的对策。

May, 2020