Nov, 2020

MM-COVID: 用于打击 COVID-19 虚假信息的多语言和多模态数据存储库

PDF
TL;DR为了更好地应对 COVID-19 假新闻，我们提出了一个新的假新闻数据集 MM-COVID（多语言和多维 COVID-19 假新闻数据存储库），该数据集提供了多语言假新闻和相关社会背景。我们从不同角度对 MM-COVID 进行了详细的探索性分析，展示了在 COVID-19 假新闻研究的多语言和社交媒体的几个潜在应用方面的实用性。
发现论文，激发创造
  • FakeCovid -- 一份涵盖多语言和跨领域的 COVID-19 事实核查新闻数据集

    本文介绍了一份第一份多语言、跨领域的 COVID-19 已核实新闻文章数据集，并介绍了如何利用自动分类方法，对其中的谣言进行识别，实现了 F1 值为 0.76 的准确性，并将数据集共享在 Github 上。

    Jun, 2020

  • 跨语言 COVID-19 虚假新闻检测

    本文介绍了一种利用已经被 fact-check 过的英文新闻数据集，通过建立一个名为 CrossFake 的深度学习框架来识别汉语低資源下的 COVID-19 虚假信息。经实验结果表明，CrossFake 在跨语言环境下的情况下比其他单语和跨语言虚假信息检测器更有效。

    Oct, 2021

  • GeoCoV19: 一个拥有数亿条多语言 COVID-19 推文和位置信息的数据集

    该文介绍了 GeoCoV19—— 一个包含 524 百万条推文的大规模 Twitter 数据集，通过基于地名词典的方法来推断推文的地理位置，而这一大规模、多语言、地理定位的社交媒体数据可以帮助研究社区评估社会如何共同应对这一前所未有的全球危机，以及建立计算方法来应对如识别假新闻，理解社区的知识差距，建立疾病预测和监测模型等挑战。

    May, 2020

  • Mega-COV: 一个包含 100 多种语言的十亿规模 COVID-19 数据集

    Mega-COV 是一个包含十亿条推特数据的数据集，涵盖 268 个国家，可用于研究 COVID-19 的相关现象。该数据集具有多语言、地理位置等多种特征，并配备了两个强大的模型，可以识别与疫情有关的推特和 COVID-19 的错误信息。

    May, 2020

  • NAIST COVID：跨语言 COVID-19 Twitter 和 Weibo 数据集

    本研究旨在推广社交媒体研究对抗 COVID-19 及其他传染病。通过对 COVID-19 微博的量化和定性分析，我们提供了多种处理数据集的方法，并分享了一个多语种社交媒体数据集，供研究人员使用。

    Apr, 2020

  • MM-Claims: 社交媒体上的多模态主张检测数据集

    本文介绍了一个新的跨语言、跨国的深度学习模型，用于检测社交媒体平台上的虚假信息，包括图像和文本特征分析，详述了该模型使用的 MM-Claims 数据集，通过多模态模型的训练得出了一系列的结论和推荐。

    May, 2022

  • CovidMis20: 使用深度学习模型在 Twitter 推文上检测 COVID-19 的误信息

    本研究介绍 CovidMis20 数据集，该数据集收集了从 2020 年 2 月到 7 月期间 1,375,592 条推文，用于利用基于深度学习的 Bi-LSTM 和集成 CNN + Bi-GRU 的方法进行假新闻检测，后者的测试精度优于前者。

    Sep, 2022

  • CoAID: COVID-19 医疗信息误导数据集

    为了理解、检测和缓解 COVID-19 的不实信息，我们提出了 CoAID（Covid-19 健康保健误信息数据集），其中包括 4,251 条有关 COVID-19 健康保健不实信息的新闻、296,000 个相关用户参与以及 926 个有关 COVID-19 的社交媒体帖子和标签数据。

    May, 2020

  • 打击信息疫情：COVID-19 虚假新闻数据集

    本研究通过人工确认 10,700 个社交媒体帖子和文章的真假，并使用决策树、逻辑回归、梯度提升和支持向量机 (SVM) 等四种机器学习方法将其进行基准测试。结果表明，使用 SVM 可以获得最佳性能，F1-score 为 93.46%。研究样本涉及 COVID-19 疫情下社交媒体中的假新闻和谣言。

    Nov, 2020

  • Multiverse: 多语种的虚假新闻检测证据

    该研究提出了使用多语言证据的多元宇宙特征用于较好的矫正和预测假新闻，并进行了对真假新闻自动实验的对比研究，结果显示该特征与语言特征的结合可以显著地提高假新闻的分类准确率。

    Nov, 2022