本文综述了基于自然语言处理的自动事实核查技术及其在相关学科里的应用。该技术使用自然语言处理、机器学习、知识表示和数据库等技术预测声称的可信度，同时介绍了现有数据集和模型，旨在统一各种定义并识别通用概念，最后提出了未来研究的挑战。

Aug, 2021

该篇论文回顾了涉及自动事实检查的相关研究，包括索取检测和索求验证组件，并探讨了自然语言处理，自动化事实检查的数据集以及提出的各种 NLP 方法在该领域发展方面所做的贡献。

Sep, 2021

本文介绍了一个用于事实核查的自动化平台，该平台能够检索相关文本证据，预测每个证据是否支持或反驳一个声明，并返回最终结论。此外，本文还对这个平台在新闻工作流中的应用进行了用户研究，并为其性能作出了评估。结果表明，该平台的预测正确率为 58％，返回的证据中有 59％是相关的。

Apr, 2019

本文介绍了现有科学事实检查研究的综合调查及其相关任务，讨论现有数据集的构建过程，并分析提出的模型和方法，以期通过基于 NLP 的自动化科学事实检查方法帮助打击信息误传，协助研究人员进行知识发现，并帮助人们了解新的科学突破。

May, 2023

本文探索了一种基于语言处理的自动新闻生成和事实核查系统，旨在提高新闻生产的效率和质量，同时确保新闻内容的真实性和可靠性。通过整合事实核查技术，该系统可以有效防止虚假新闻的传播，提高新闻的准确性和可信度，而自动新闻生成和事实核查所涉及的关键技术包括文本生成、信息提取和知识图谱的应用，并通过实验证实了这些技术的有效性。此外，本文讨论了自动新闻生成和事实核查系统的未来发展方向，强调了技术进一步整合和创新的重要性。研究结果表明，随着技术的不断优化和实际应用，这些系统在未来新闻行业中将发挥越来越重要的作用，提供更高效和可靠的新闻服务。

May, 2024

提出了一种使用外部来源进行全自动事实核查的通用框架，该框架利用深度神经网络和 LSTM 文本编码结合任务特定的嵌入来判断声称的真实性，并将来自 Web 的相关文本片段融合其中，考虑其来源可靠性，在两个任务和数据集上均表现不错。

Oct, 2017

本研究主要讨论了解决当前网络上 “假新闻” 和政客言论真实性验证的问题，提出了一种基于学习排序模型的检索算法，并建立了一个相关数据集，实验结果表明该方法优于现有的基于检索和文本相似度的算法。

May, 2020

本研究提出使用自然语言处理技术来提高事实核查的效率，从而解决新闻界预算紧缩和虚假信息不断蔓延的问题。该方法能够将待核查信息与已有语料库进行比对，返回相似、已经过事实核查的信息，从而实现多人同时核查而不重复工作。

Jul, 2019

本研究探讨自动事实检查器对人工制造的对抗性证据的敏感性，研究证明这种类型的系统容易受到攻击，并讨论了现代 NLG 系统作为虚假信息生成器的威胁。

Feb, 2022

该研究综述了当前 NLP 技术在事实核查方面的能力和局限性，并强调将人性化设计方法融入模型开发，早期与事实核查利益相关者合作以及开展支持人性化事实核查技术的基准开发的必要性。

Jan, 2023