Aug, 2023

谣言服务员：以策展推特 COVID-19 疫苗数据为基础的概念验证

PDF
TL;DR我们展示了一个名为 “Misinformation Concierge” 的概念验证，它通过使用语言处理和机器学习工具来识别讨论的子主题和辨别虚假 / 误导性帖子，向决策者呈现统计报告，帮助他们及时了解流行的虚假信息的整体情况，并从数据语料库中识别具体的虚假信息，提供干预和迅速反驳虚假信息的方式。我们提供了一个通过策动数据集访问的 “Misinformation Concierge” 概念验证。
misinformation conciergeactionable intelligencesocial medialanguage processingmachine learning
发现论文，激发创造
  • AMIR: 自动辟谣系统 -- 基于 COVID-19 疫苗数据集的推荐系统

    利用社交媒体上的已存在信息并结合经过筛选的事实核实数据仓库，本研究旨在探讨如何实现规模化的自动化辟谣，以应对 COVID-19 相关的错误信息。

    Oct, 2023

  • 基于强化学习的反误信息生成：以 COVID-19 疫苗误信息为例

    本论文旨在通过建立一个基于强化学习的生成式文本模型 MisinfoCorrect 来有效地纠正不实信息，在社交媒体和众包数据的基础上，创造了两个新的数据集，并通过定量和定性评估证明了该模型可以生成高质量的反驳回复，提高了礼貌性，事实性和反驳态度。

    Mar, 2023

  • CovidMis20: 使用深度学习模型在 Twitter 推文上检测 COVID-19 的误信息

    本研究介绍 CovidMis20 数据集，该数据集收集了从 2020 年 2 月到 7 月期间 1,375,592 条推文，用于利用基于深度学习的 Bi-LSTM 和集成 CNN + Bi-GRU 的方法进行假新闻检测，后者的测试精度优于前者。

    Sep, 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

  • 社交媒体中的 COVID-19 疫苗犹豫：构建反疫苗内容、疫苗错误信息和阴谋论的公共 Twitter 数据集

    本文介绍了一个包含推特上强烈反对疫苗的帖子的数据集，该数据集可用于研究社交媒体上反疫苗的误解和更好地了解接种疫苗的犹豫。

    May, 2021

  • 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

  • QCRI 的 COVID-19 虚假信息检测器：用于社交媒体上抗击 COVID-19 信息疫情的系统

    该研究致力于打击 COVID-19 的虚假信息传播，利用多方面的方法（例如 API 和演示系统）来帮助不同利益相关者识别和揭穿社交媒体平台上的假新闻。

    Mar, 2022

  • 疫苗谎言：一个自然语言资源，用于学习识别关于 COVID-19 和 HPV 疫苗的错误信息

    该研究收集了关于新冠疫苗和人类乳头瘤病毒疫苗的大量推文数据，并对这些推文进行了虚假信息目标分类，以便于检测和识别，从而更好了解社交媒体上针对疫苗的虚假信息以及相关担忧。

    Feb, 2022

  • 打击信息疫情：COVID-19 虚假新闻数据集

    本研究通过人工确认 10,700 个社交媒体帖子和文章的真假，并使用决策树、逻辑回归、梯度提升和支持向量机 (SVM) 等四种机器学习方法将其进行基准测试。结果表明，使用 SVM 可以获得最佳性能，F1-score 为 93.46%。研究样本涉及 COVID-19 疫情下社交媒体中的假新闻和谣言。

    Nov, 2020

  • 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