本文介绍了一个用于事实核查的自动化平台，该平台能够检索相关文本证据，预测每个证据是否支持或反驳一个声明，并返回最终结论。此外，本文还对这个平台在新闻工作流中的应用进行了用户研究，并为其性能作出了评估。结果表明，该平台的预测正确率为 58％，返回的证据中有 59％是相关的。

Apr, 2019

本文综述了基于自然语言处理的自动事实核查技术及其在相关学科里的应用。该技术使用自然语言处理、机器学习、知识表示和数据库等技术预测声称的可信度，同时介绍了现有数据集和模型，旨在统一各种定义并识别通用概念，最后提出了未来研究的挑战。

Aug, 2021

通过对 fact-checkers 的语言特征进行分析和提出建议，使用基于深度学习的文本生成框架来生成可以提高辨别信息真假的参与度的回复，提高了辨别真假信息的准确度。

Oct, 2019

本文介绍了现有科学事实检查研究的综合调查及其相关任务，讨论现有数据集的构建过程，并分析提出的模型和方法，以期通过基于 NLP 的自动化科学事实检查方法帮助打击信息误传，协助研究人员进行知识发现，并帮助人们了解新的科学突破。

May, 2023

为缓解虚假信息的负面影响，需开发自动化 AI 工具来协助事实核查人员。研究者通过应用信息行为研究方法，对欧洲中部事实核查人员进行半结构化深度访谈，通过底部构建的内容分析方法分析其信息行为和所需支持工具的要求，发现对于 AI 研究有实际意义的需要和问题，为此提出了一些建议。

Nov, 2022

该篇论文回顾了涉及自动事实检查的相关研究，包括索取检测和索求验证组件，并探讨了自然语言处理，自动化事实检查的数据集以及提出的各种 NLP 方法在该领域发展方面所做的贡献。

Sep, 2021

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

该研究综述了当前 NLP 技术在事实核查方面的能力和局限性，并强调将人性化设计方法融入模型开发，早期与事实核查利益相关者合作以及开展支持人性化事实核查技术的基准开发的必要性。

Jan, 2023

本文通过统一任务格式和方法论，对自然语言处理等多个领域的自动事实核查研究进行了综述，重点强调了证据在这一领域的重要性，并提出了未来研究的方向。

Jun, 2018

该研究是针对需要特定专业知识的领域的事实核查的第一项探索性研究，提出了可解释的事实核查模型，并针对公共卫生领域构建了一个新的数据集进行案例研究，结果表明，通过对特定领域的数据进行训练，可以提高自动化事实核查的可解释性。

Oct, 2020