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
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
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
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
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
本研究为现有多模式虚假信息检测技术提供了一份综述，重点关注了文本、图像、语音、视频、社交媒体网络结构和时间信息等多种组合形式，并探讨了未来研究的方向和挑战，同时提出需要在相同框架内考虑虚假信息的真实性和危害程度。
Mar, 2021
通过对现有研究的全面回顾，本文从特征化、检测和干预三个角度系统地组织了不同领域中有关在线健康信息误导的文献，并对在社交媒体上打击健康信息误导的紧迫开放问题进行了深入讨论，为跨学科研究提供未来方向。
Nov, 2022
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。
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
互联网和社交媒体改变了人们在信息传播迅速的时代获取新闻的方式。虽然这种发展增加了信息的获取，但也带来了一个重大问题：假新闻和信息的传播。假新闻迅速在数字平台上传播，对媒体生态系统、公众舆论、决策和社会凝聚力产生了负面影响。自然语言处理（NLP）作为一种能够确定内容真伪的技术手段，在对抗虚假信息的战斗中崭露头角。本文深入探讨了 NLP 技术如何用于检测假新闻，并揭示了它所带来的挑战和机遇。
Aug, 2023