本文旨在研究预测新闻媒体报道的真实性和偏见。通过大量的新闻网站以及一些从文章、维基百科页面、推特账户、网址结构和流量信息中得出的特征，实验表明本方法相比基线有较显著的性能提升，且各特征类型都至关重要。

Oct, 2018

我们提出了一个交互式框架来进行新闻媒体分析，结合了基于图的新闻媒体分析模型、预训练的大型语言模型和人类洞察力，能够在社交媒体上快速检测出假新闻和有偏见的媒体，即使在最具挑战性的新闻事件的情境中，其中有未见过的测试数据。

Sep, 2023

本研究调查了信息性偏见在新闻媒体中的频率以及 Fine-tuning BERT 在预测信息性偏见方面的挑战和未来方向。

Sep, 2019

本研究利用一个新的、基于 6964 篇新闻文章的辅助指标标签的语料库，开发了一种神经模型对新闻文章中的政治偏见和不公平进行分析，并从单词到整篇文章的不同层次的文本粒度发现了深刻的偏见模式。

Oct, 2020

本篇论文是一项关于新闻文章句子级别的事实性和偏见研究，通过手动标注数据集并 fine-tuning BERT 模型的方法，我们得出了不同媒体和领域新闻报道中存在的偏见和事实的表现情况。

Jan, 2023

在网络谣言、虚假声明和 “假新闻” 日益猖獗的情况下，自动辟谣和事实核查变得越发引人关注。本文探讨了一种更为有前途的方法，即对整个新闻媒体进行事实核查。我们在 Tanbih 新闻聚合器中开发了媒体档案，显示报道的一般真实性、宣传性内容的程度、过度党派性、主要政治意识形态、报道的一般框架及其对各种争议观点和议题的立场。

Aug, 2020

研究表明，媒体的政治偏见会影响受众的政治信仰及投票行为。通过三个手动注释的数据集及不同的可视化策略测试，结果表明手动注释偏见的可视化比框架可视化更有效。通过多层次模型，可以发现记者的偏见与文章的政治极端性和公正性有显著联系。

May, 2021

新闻报道中的偏见表现和影响是社会科学的核心主题，近年来在自然语言处理领域受到了越来越多的关注。本研究综述了社会科学的方法，并将其与自然语言处理领域中用于分析媒体偏见的典型任务表述、方法和评估指标进行了对比。我们讨论了开放性问题，并提出了可能的研究方向，以填补理论与预测模型之间及其评估之间的差距。这些包括模型透明度、考虑文档外部信息以及跨文档推理而非单一标签的分配。

Sep, 2023

通过一项写作风格分析，本篇研究报告了关于极端偏颇新闻和虚假新闻的连接。通过 BuzzFeed 专业记者的手工事实核查，提供了 1627 篇文章的大语料库。在总之，这些文章包含了 299 条虚假新闻，其中 97% 来自于偏颇出版社。本文提出并演示了一种通过元学习方法来评估文本类别之间风格相似度的新方法，揭示了左翼和右翼新闻风格之间有更多共同之处。同时，表明可以通过风格很好地区分偏颇新闻和主流新闻，可以通过预处理实现虚假新闻检测程序的新颖的初步筛选。

Feb, 2017

该研究旨在通过研究虚假新闻生态系统中的语言学家（例如虚假新闻分享者，谣言核实分享者和随机 Twitter 用户）和创造其语言特征剖面来确定更可能分享虚假新闻的个人，并将所推断的心理语言学提示结合社会人口预测因子包含在一个模型中，从而显著提高虚假新闻分享者的分类准确性，这可以帮助在线平台及时屏蔽潜在的虚假新闻分享者。

Mar, 2022