在这篇论文中，我们提供了一项关于检测巴西葡萄牙语伪新闻的综合研究，专注于新闻报道类型。我们提出了一种基于机器学习的方法，利用自然语言处理技术，包括 TF-IDF 和 Word2Vec，从文本数据中提取特征。我们评估了各种分类算法（如逻辑回归、支持向量机、随机森林、AdaBoost 和 LightGBM）在包含真实和伪新闻文章的数据集上的性能。所提出的方法达到了很高的准确性和 F1-Score，证明了其识别伪新闻的有效性。此外，我们还开发了一个易于使用的名为 FAKENEWSBR.COM 的网络平台，以促进新闻文章真实性的验证。我们的平台提供实时分析，使用户能够评估新闻文章的伪造可能性。通过实证分析和比较研究，我们展示了我们的方法对抗伪新闻传播和促进更加明智的媒体消费的潜力。

Sep, 2023

我们使用自然语言处理方法对 1876 条新闻数据进行预处理，通过训练模型将假新闻和真实新闻进行分类，最终通过 Naive Bayes 分类器得出 56% 的准确率和平均 32% 的 F1-macro 得分。

Sep, 2023

本研究提出了一种基于终身学习和多语言知识转移的新型假新闻检测方法，该方法利用传统特征提取器和深度自然语言处理模型结合多层感知器分类器，可以在英语和西班牙语数据集上提高假新闻分类任务的性能。

May, 2022

本文介绍了如何应用自然语言处理和数据增强技术来提高神经网络的性能，以更好地检测葡萄牙语中的虚假新闻，并通过实验表明这些技术的应用可以显著提高新闻分类的性能。

May, 2022

通过机器学习算法，在两个公开数据集上进行实验分析，研究了如何检测和区分真假新闻，结果表明采用了三种分类器：被动型侵略性、朴素贝叶斯和支持向量机，这种方法具有良好的性能表现。

Jan, 2022

本论文提出了一种利用真实新闻和 POS 标注生成阿拉伯语虚假新闻的新方法，并开发了第一届阿拉伯语虚假新闻检测模型，该模型通过使用基于 AraNews 的生成式新闻实现了最新的 F1=70.06 的结果，所有研究中使用的数据和模型都是公开可用的。

Nov, 2020

本文介绍了如何应用自然语言处理技术解决社交网络上的虚假新闻检测问题，并着重描述了该问题的挑战以及相关任务的形式、数据集和解决方案，并讨论了其潜力和局限性，并提出了更精细、详细、公平和实用的检测模型等研究方向。

Nov, 2018

本文探讨了现有的假新闻检测方法存在的问题，并提出加入事实核查与语言分析相结合的方法，以应对新闻篡改攻击和真实新闻被误判的情况。作者提出采用众包知识图谱解决新闻事件事实搜集的问题。

Jan, 2019

本文聚焦于自动识别在线新闻中的虚假内容，首先介绍了用于虚假新闻检测的新颖数据集，描述了收集、注释和验证过程，并提供诸多在区分真实和虚假新闻语言差异方面的探索性分析。其次，本文开展了一系列学习实验以构建准确的虚假新闻检测器，并比较了手动和自动识别虚假新闻的结果。

Aug, 2017

本篇论文研究了如何在社交媒体中找出虚假新闻。作者提出了基于语言学、可信度、语义等各种特征来自动识别虚假新闻的方法，并使用三个不同的测试集测试了该方法，在高精度的情况下可以准确地区分真实新闻和虚假新闻。

Nov, 2019