Mar, 2018

虚假新闻和真实新闻的传播方式在扩散的早期阶段就有所不同

PDF
TL;DR通过追踪来自不同文化背景的社交媒体平台，比如中国的微博和日本的 Twitter 等，我们发现虚假新闻在传播的早期阶段就与真实新闻有着不同的传播特征，并且通过识别信息传播的拓扑特性，可以提前检测社交媒体中的虚假新闻。
发现论文，激发创造
  • FALSE: 假新闻自动和轻量级解决方案

    本文使用 R 代码研究和可视化现代 fake news 数据集，通过聚类、分类、相关性和各种图表分析及呈现数据，并展示了分类器在分辨真假新闻方面的高效性。

    Aug, 2022

  • 用于假新闻检测的分级传播网络：调查和利用

    本文针对社交媒体上越来越普遍的假新闻现象展开研究，提出了一种基于新闻分级传播网络的假新闻检测方法，通过对假新闻和真实新闻的传播网络特征进行了比较分析，认为可以利用语言特征和结构特征检测假新闻，并验证了这些特征的有效性。该研究为更健康的在线新闻生态系统铺平了道路。

    Mar, 2019

  • 利用几何深度学习技术识别社交媒体上的虚假新闻

    本文利用几何深度学习模型对推特上的新闻内容、用户画像、行为，社交网络结构与传播进行深度融合，基于传播模式的方法可以高效地提取特征，提高了对于虚假新闻的识别率，在短时间内便可可靠地便可侦测出，同时与现存的基于内容分析的方法有互补性和多个优势。

    Feb, 2019

  • 社交媒体上的假新闻检测：数据挖掘视角

    该研究旨在调查社交媒体上的假新闻检测问题并提出相关算法，主要涵盖社交媒体上的假新闻特征、数据挖掘算法、评估指标等方面。

    Aug, 2017

  • 在线信息流审计

    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

  • 通过网络分析研究假新闻：检测与缓解

    社交媒体对于新闻获取变得越来越普及，但由于其存在散播虚假信息或‘假新闻’的风险，需要从社交，内容和时间三种不同的网络视角考虑如何使用网络特性来检测和减缓不实信息。

    Apr, 2018

  • COVID-19 的假新闻检测与行为分析

    本文通过深度学习和集成学习方法，成功识别出社交媒体上的假新闻，并且对其话题进行了研究，发现其中一半话题与真实新闻相同，可能会导致人们的混淆。

    May, 2023

  • 假新闻早期检测：一项跨学科研究

    提出了一个以理论驱动的模型，探索了假新闻在不同层次（词汇、句法、语义和话语）上的表现，并在监督式机器学习框架下进行了检测。在真实世界的两个数据集上的实验证明，该方法可以优于现有技术，并在内容信息有限的情况下实现假新闻的早期检测。

    Apr, 2019

  • 虚假信息传播的瘟疫：是否可以预防？

    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

  • 从怀疑到接受：模拟对假新闻态度的动态

    基于大型语言模型的虚假新闻传播模拟框架研究了虚假新闻传播的趋势和控制，揭示了与话题相关性和个体特征相关的传播模式，并评估了各种干预策略的效果和成本，证明了大型语言模型在打击虚假新闻方面的重要性和潜力。

    Mar, 2024