Apr, 2022

识别和表征在社交媒体中驳斥误信息的积极公民

PDF
TL;DR本研究针对社交媒体中流传的错谬信息的问题，开发并公开了一个新的微博数据集，探究了区分发帖人和积极的公民的任务，在不同的社交媒体平台和语言下分别进行了研究，并对两种用户类别的语言使用差异进行了广泛分析。
misinformationsocial mediaactive citizenssupervised modelslanguage use
发现论文，激发创造
  • 利用新型 Twitter 数据集表征 COVID-19 虚假信息社群

    针对 COVID-19 在线信息误导问题，本文分析并对比了在 Twitter 上两个竞争性的 COVID-19 信息社区：误导用户和知情用户，并通过网络结构分析、语言模式等方面对他们进行了表征和分类，发现误导社区较为紧密、有组织，并可能存在大量的虚假信息宣传活动，其中大部分误导用户可能是反对疫苗接种者。

    Aug, 2020

  • 从在线论坛中检测不活跃的网络战士

    研究调查网络战士在大型线上论坛中的活动水平，发现只有极小部分网络战士是活跃用户；并分析了识别网络战士所面临的挑战，证明了检测不活跃网络战士的难度远高于辨识其活跃对手；最后，讨论了更有效地在网络战士的非活跃阶段识别他们的潜在方法，并提供了关于捕获网络战士存在和行动的见解。

    Aug, 2023

  • 在 Twitter 上表征宣传网络：案例研究

    本文采用数据驱动方法研究推特上的政治信息传播、社群结构、和推手角色，发现推特政治信息的传播和用户的关联会形成高度政治派别结构，相对应的，节点中心度数据值得进一步关注。

    May, 2020

  • 群众在对抗错误信息中的作用：COVID-19 信息疫情的案例研究

    本文研究了社交媒体上与 COVID-19 有关的虚假言论和事实检查，发现专业的事实检查虽然重要但可见性有限，而互联网用户通过众包的方式可以在社交平台上成功地反驳虚假言论。

    Nov, 2020

  • 这是假消息”：探究推特用户对 COVID-19 虚假信息的自发辟谣行为

    研究发现社交媒体用户主动辟谣是缩短事实核查时间的行之有效的补充方法之一，然而主动辟谣存在政治偏见，并且被动辟谣比主动辟谣更快，大部分虚假信息未被辟谣

    Mar, 2022

  • 社交媒体上的虚假新闻：基于数据的调查

    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

  • 利用社交互动识别社交媒体上的错误信息

    在 COVID-19 疫情期间，使用多输入（MI）框架将社交媒体文本特征和网络信息特征结合起来，提高了检测不可靠信息的模型的准确性。

    Apr, 2023

  • 在社交媒体中应对健康误解：特征描述、检测、干预和开放问题

    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

  • 利用群众检测和减少虚假新闻和误导信息的传播

    本文提出了一种基于标记时间点过程的灵活表示方式，开发了一种可扩展的在线算法 Curb 来选择应该何时对故事进行事实核查以有效地减少假新闻和误导性信息的传播。

    Nov, 2017

  • 2020 美国总统选举中虚假信息和阴谋论的在线参与特征

    本文探讨美国 2020 年总统选举前社交媒体上的虚假信息和阴谋论，分析选民意见和社会动态的影响，以及旨在保护选举和民主流程的解决方案。

    Jul, 2021