使用 NewsSerow 方法可以在低资源语言中自动识别环境保护内容，该方法通过汇总、上下文少样本分类以及使用大语言模型的自我反思实现。WWF 已在尼泊尔部署了 NewsSerow 以减轻操作负担，同时确保 AI 工具真正覆盖最需要的社区。

Feb, 2024

通过使用自然语言处理工具，本研究介绍了一种改进的搜索词生成方法并利用余弦相似度过滤文章，同时使用无监督学习和大型语言模型进行相关性筛选，以分析公众对野生动物的态度和全球生物多样性的感知，进而为保护活动提供支持。

May, 2024

在腾讯实现了一套新闻内容组织系统（Story Forest），通过在线方式准确快速的从大量新闻文本中提取可区分事件，并将相关事件连接在不断延伸的树形结构中以呈现演变的新闻故事，通过大量实际数据和用户体验研究表明了 Story Forest 相对于其他算法框架可以更好的组织新闻文本并且具有更好的用户体验。

Mar, 2018

利用 COMET 推理模型和新闻标题的情感，通过采集和标记新闻标题的元数据来检测新闻传播中的文化、经济、政治、语言和地理障碍，并将提取到的语义知识和情感作为特征，相对于传统文本分类方法和深度学习可获得更好的表现（对于文化、经济、政治和地理的十个类别的平均 F1 - 分数分别从 0.41、0.39、0.59 和 0.59 提高至 0.47、0.55、0.70 和 0.76）。

Apr, 2023

本文介绍了一个建立在可靠的 COVID-19 网站数据集基础上的、面向世界各地用户的信息汇聚系统，该系统可帮助用户查找各地的 COVID-19 相关新闻，并通过神经机器翻译和基于 BERT 的主题分类器帮助用户高效地获取自己感兴趣的信息。

Jul, 2020

我们提出了一个交互式框架来进行新闻媒体分析，结合了基于图的新闻媒体分析模型、预训练的大型语言模型和人类洞察力，能够在社交媒体上快速检测出假新闻和有偏见的媒体，即使在最具挑战性的新闻事件的情境中，其中有未见过的测试数据。

Sep, 2023

利用维基百科概念和每个障碍物相关的元数据，我们提出了一种检测新闻传播障碍的方法，并得到了高精度的验证结果。我们相信这种方法可以为未来预测信息传播障碍的系统提供有用的洞察力。

Jan, 2023

通过自然语言处理技术，本论文介绍了在波斯语中探测重要新闻的新型基准数据集（Khabarchin），并提出了解决此任务的多个基于学习的模型，从传统机器学习到最先进的 Transformer 模型，同时还介绍了在新闻文章中通过弱监督方式识别重要句子的第二个任务。

Dec, 2023

本文探讨了如何使用经过预训练和微调的 transformer-based 模型筛选社交媒体数据集中的相关文档，以达到高准确度的目的。该方法的低成本和高性能意味着它对于具有不确定语料库边界的社交媒体数据集可能具有广泛的好处。

May, 2023

本研究提出了一种基于维基百科概念的方法来推断新闻传播障碍的语义，该方法在分类新闻传播障碍方面比传统文本分类方法、深度学习和变压器模型等更有效。

Apr, 2023