该研究综述了关于社交网络上的假新闻的检测、表征和缓解的最新进展,着重于数据驱动的方法和分类特征以及用于训练分类方法的数据集,并强调了解决假新闻最有前途的新兴方法。
Feb, 2019
该论文提供了网络虚假信息生态系统分类学的步骤,并报告了几条关于公众感知虚假信息,虚假信息传播,网络上虚假信息的检测和抑制以及政治虚假信息等不同领域的现有研究线索,还提出了可以帮助我们更好地了解和减轻网络虚假信息传播问题的未来研究方向。
Apr, 2018
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
该研究提出了描述复杂的虚假信息与事实核查生态系统的图形模型,该模型可用于研究在线虚假信息和事实核查的效果,易于实践者和研究者使用,传统媒体和用户生成内容也在多种语境下涉及。
Aug, 2022
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。
通过情感分析比较真假新闻的语言使用,并考虑了社交媒体和在线新闻来源的虚假信息类型(宣传、谣言、点击草率和讽刺); 我们的实验表明,虚假信息在每种类型中都具有不同的情感模式,情感在欺骗读者方面发挥了关键作用; 基于此,我们提出了一个采用情感注入的 LSTM 神经网络模型来检测假新闻。
Aug, 2019
通过理解网络金融信息错误的类型、来源和影响,利益相关方可以采取有效的检测和预防措施,促进更加知情和具有弹性的金融生态系统。
Sep, 2023
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。
Mar, 2018
本文介绍了社交媒体上信息失调的类型,讨论了检测和追溯造假信息的重要性与挑战,提供了一种弱监督的方法来检测信息失调以及旨在为研究人员和从业人员了解问题和挑战提供方便的入门点。
Jan, 2020