该论文提供了网络虚假信息生态系统分类学的步骤,并报告了几条关于公众感知虚假信息,虚假信息传播,网络上虚假信息的检测和抑制以及政治虚假信息等不同领域的现有研究线索,还提出了可以帮助我们更好地了解和减轻网络虚假信息传播问题的未来研究方向。
Apr, 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。
提出一个基于文本和图像的事实核查框架,它能够直接警告虚假新闻发布者和网络用户,并使用事实核查文章来阻止虚假信息的传播。
Oct, 2020
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
本文介绍了一种基于多模态视角的自动虚假信息检测方法,提出了一种基于可解释性方法的虚假信息分类框架,从而增加决策的可解释性和完整性。
Dec, 2022
社交媒体平台在信息传播中起着重要作用,本研究旨在通过识别和分类新闻,解决社交媒体平台上虚假消息和不可验证事实的传播问题,提出了基于图模型的概率马尔可夫信息传播模型,并通过实验研究证明了其在准确性和检测时间方面优于现有的虚假信息检测算法。
Oct, 2023
该论文研究了自动事实核查系统的潜在漏洞,提出了攻击该系统的多种方法,说明这些攻击可能对人工辅助使用的模型造成有害影响,并探讨了未来的防御挑战和方向。
Sep, 2022
本文介绍了社交媒体上信息失调的类型,讨论了检测和追溯造假信息的重要性与挑战,提供了一种弱监督的方法来检测信息失调以及旨在为研究人员和从业人员了解问题和挑战提供方便的入门点。
Jan, 2020
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
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