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
该研究旨在通过识别混淆变量,解决用户属性导致电子虚假新闻传播的因果推论问题,并借鉴因果推论理论提出了一个基于用户行为的方法来减轻选择偏差。我们发现该方法能够非常有效地捕捉用户属性和用户易感性之间的因果关联,有助于保护社会免受虚假新闻的危害。
Oct, 2020
通过追踪来自不同文化背景的社交媒体平台,比如中国的微博和日本的 Twitter 等,我们发现虚假新闻在传播的早期阶段就与真实新闻有着不同的传播特征,并且通过识别信息传播的拓扑特性,可以提前检测社交媒体中的虚假新闻。
Mar, 2018
本文旨在评估假新闻传播者的意图,通过研究假新闻无意传播的心理解释,提出一个影响图模型来区分有意和无意传播,并显示所评估的意图可以帮助明显区分有意和无意传播假新闻,估计的意图可以显著提高当前检测假新闻的技术。
Feb, 2022
本文研究了解和利用社交媒体上的用户资料以便于发现假新闻。我们分析了用户在社交媒体上的分享行为以及其与真假新闻的关系,研究了隐式和显式资料特征,探讨了利用这些特征进行假新闻分类任务的可行性和有效性。
Apr, 2019
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
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
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
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