May, 2022

使用弱监督迭代图形方法检索 COVID-19 谣言话题

PDF
TL;DR本文提出了一种基于图的弱监督迭代方法来检测与 COVID-19 相关的谣言、主题和观点，利用 Bert-based Word Graph Search 进行误信息提取，具有较好的准确性，可用于改善公共卫生信息传播。
covid-19infodemicmisinformationsocial mediakeyword detection
发现论文，激发创造
  • 通过上下文化的社交智慧弱监督检测误导性句子解构假新闻

    在假新闻辟谣领域，我们研究了一项新的任务，即检测句子级的错误信息。我们提出了一种名为弱监督检测误导性句子（WSDMS）的模型，该模型只需要基于包的标签进行训练，但能够推断出句子级的错误信息和文章级的真实性，并辅以与新闻句子有关的社交媒体对话进行上下文化处理。我们在三个真实世界的基准测试中评估了 WSDMS，并证明其在句子和文章级别的假新闻辟谣方面优于现有的最先进基线模型。

    Oct, 2023

  • COVID-19 知识图谱：加速科学文献信息检索和发现

    本文提出了 COVID-19 知识图谱（CKG），它结合了语义信息和拓扑信息来提取和可视化 COVID-19 科学文章之间的复杂关系，最终形成一个关系图谱。CKG 可以为类似文档检索提供低维度的图像嵌入，有助于揭示 COVID-19 科学文章中深层次的信息。

    Jul, 2020

  • 利用标签精炼从社交媒体话语中构建大规模的虚假信息标记数据集

    本研究提出一种基于新闻来源可信度标签的弱监督学习方法，通过自监督或重新标注等方式纠正可能存在的标签不准确性，构建大规模、多样化的新领域虚假信息数据集。同时，本文应用提出的方法提供了一个 COVID-19 疫苗虚假信息数据集。

    Feb, 2022

  • COVID-19 相关论文的信息检索和提取工具

    本研究的主要目标是开发一种工具，将信息检索和提取技术应用于 COVID-19 开放研究数据集（CORD-19），为研究人员提供更好的 COVID-19 相关论文搜索工具，帮助他们找到参考论文并突出显示文本中的相关实体。

    Jan, 2024

  • 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

  • 利用文本挖掘技术进行 COVID-19 文献挖掘和检索

    使用 NLP 技术，如词袋、平均词向量、平均 BERT 基础模型和 Tf-Idf 加权词向量模型，结合余弦相似度算法，在 CORD-19 数据集中找出与 COVID-19 主题有关的研究文献。

    May, 2022

  • 一个半监督框架用于虚假信息检测

    使用半监督学习框架来解决极度类别不平衡的问题，并使用实际数据扩充少数类别，该方法在处理社交媒体中极不平衡的发布单元时比 SMOTE、ADASYN、GAN 等其他方法效果显著提高，尤其在相关的 Covid 数据上初步测试表明有效性。

    Apr, 2023

  • 新冠病毒知识图谱：案例研究

    使用知识图谱、机器学习和深度学习等工具，分析 COVID-19 相关的 PubMed 数据集和 CORD-19 数据集，发现专家、生物实体，预测相关疾病、药物候选者、基因突变和相关化合物，从而帮助生物医学研究人员应对 COVID-19 大流行。

    Jul, 2020

  • 提升基于内容的虚假信息检测的关键符号特征捕捉

    通过分析虚假信息的语言属性及相关数据集，本论文展示了在检测虚假内容方面，采用相关符号知识和神经语言模型的适当使用可以取得最先进的性能，在准确性、时间效率和资源利用方面提供了有效且稳健的替代方法。

    Jan, 2024

  • 错误信息的困惑度高

    本文提出了一种基于信息困惑度的非监督式方法来辟谣虚假言论，该方法主要通过从科学和新闻来源中提取可靠证据，然后利用信息困惑度评估言论的正确性，在 COVID-19 相关测试集上进行实证验证，表现优于现有系统。

    Jun, 2020