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
描述了假新闻的现代问题及其技术挑战和方法，对包括识别和缓解在内的现有方法和技术进行了讨论，并概述了未来发展的有效和跨学科解决方案的新方向。
Jan, 2019
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
本文聚焦于自动识别在线新闻中的虚假内容，首先介绍了用于虚假新闻检测的新颖数据集，描述了收集、注释和验证过程，并提供诸多在区分真实和虚假新闻语言差异方面的探索性分析。其次，本文开展了一系列学习实验以构建准确的虚假新闻检测器，并比较了手动和自动识别虚假新闻的结果。
该论文从任务和问题、算法策略和数据集的角度对基于事实的假新闻进行了综述和总结，包括任务定义和核心问题、现有的检测方法、经典和新提出的数据集以及已有方法的优势和劣势，并提出了该领域可能面临的若干挑战，期望为该领域的后续工作提供参考。
Jan, 2024
本文介绍了如何应用自然语言处理技术解决社交网络上的虚假新闻检测问题，并着重描述了该问题的挑战以及相关任务的形式、数据集和解决方案，并讨论了其潜力和局限性，并提出了更精细、详细、公平和实用的检测模型等研究方向。
Nov, 2018
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
通过图论和深度学习的方法对基于图的假新闻检测进行系统的综述，将现有方法分类为知识驱动、传播驱动和异构社交环境驱动的方法，并讨论了图论假新闻检测中的挑战和未来研究方向。
Jul, 2023
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
本文探讨了现有的假新闻检测方法存在的问题，并提出加入事实核查与语言分析相结合的方法，以应对新闻篡改攻击和真实新闻被误判的情况。作者提出采用众包知识图谱解决新闻事件事实搜集的问题。