Feb, 2019

社交媒体上的虚假新闻：基于数据的调查

PDF
TL;DR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。
发现论文，激发创造
  • 网络和社交媒体上的虚假信息：一项调查

    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

  • 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

  • 打击虚假新闻：识别和减缓技术调查

    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

  • 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

  • 挖掘虚假信息和假新闻：概念、方法和最新进展

    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

  • 虚假新闻调查：基本理论、检测方法和机遇

    该论文调查和评估了检测假新闻的四个方法，即错误知识，写作风格，传播模式和来源可信度，并鼓励多个学科间的合作以实现高效且可解释的假新闻检测。

    Dec, 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

  • 基于图神经网络的假新闻检测：一项调查

    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

  • 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

  • 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