本文介绍了目前应对社交媒体上的虚假信息和制造内容的技术概述,探讨了虚假信息的不同形式以及传播相关因素,并展示了通过教育、研究和合作来减轻虚假信息影响的方法,同时提出了未来的应对策略。
Jul, 2020
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
为了防止 Deepfakes 对个人和社会生活造成的危害并应对未来的网络安全问题,我们提出了构建完整的防范和治理框架的必要性,其中有新型的虚假信息传播理论框架的支撑,并列举了当前面临的问题和挑战。
Mar, 2022
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
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
本研究旨在分析目前假新闻检测技术的应用现状,探讨解决方案并指出智能系统在检测错误信息源方面的应用方向,同时提出挑战和方法上的空白以激励未来研究。
Dec, 2020
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
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