这份综合调查是研究人员在进行假新闻检测之旅中不可或缺的资源，通过强调数据集质量和多样性的关键作用，它强调了这些元素对检测模型的有效性和稳健性的重要性。调查详细概述了数据集的关键特征、使用的各种标记系统和可能影响模型性能的普遍偏见。此外，它还涉及关键的伦理问题和最佳实践，为当前可用数据集的情况提供了全面的概述。我们为该领域的贡献进一步丰富，提供了 GitHub 存储库，将公开可访问的数据集汇集到一个单一且用户友好的门户中。这个存储库旨在促进和推动进一步的研究和开发工作，旨在解决普遍存在的假新闻问题。

Jul, 2024

本文通过对 2016 年美国总统选举前五个月的 1.71 亿条推特进行分析，确定其中包含 2.2 百万用户链接新闻网站，找出了其中传播虚假新闻和极度偏见新闻的 25%，并揭示了虚假新闻对选举结果的影响。

Mar, 2018

通过结合先进的语言模型和详尽的人工验证，我们提出了 FakeWatch ElectionShield，一个创新框架，用于检测假新闻。通过创建新颖的数据集，用于识别与北美选举相关的新闻文章，我们目标是为研究界提供适应性和准确性更强的分类模型，以应对动态的误信息问题。在数据集和基准数据集上对假新闻分类器进行了广泛的评估，结果显示，虽然最先进的语言模型稍微优于传统的机器学习模型，但经典模型在准确性、可解释性和计算效率的平衡方面仍然具有竞争力。这项研究为解决与选举相关的误信息奠定了基础。

Nov, 2023

为了解决当今科技驱动的世界中虚假新闻（尤其是在选举等关键事件期间）的快速传播给信息的完整性带来的日益威胁，我们引入了 FakeWatch，一个全面的框架，旨在有效检测虚假新闻。通过利用一个新的精选北美选举相关新闻文章的数据集，我们构建了强大的分类模型。我们的框架融合了传统机器学习技术和尖端语言模型，以有效区分虚假新闻。我们的总体目标是为研究社区提供适应不断演变的误导信息领域的可调整和精确的分类模型。对我们的数据集上的虚假新闻分类器的定量评估表明，虽然最先进的语言模型略优于传统机器学习模型，由于其准确性和计算效率的平衡，传统模型仍然具有竞争力。此外，定性分析揭示了虚假新闻文章中的模式。这项研究为未来旨在打击误导信息（尤其是有关选举过程的信息）的努力奠定了基础。我们公开提供了我们的标记数据和模型以供使用和可复制性检验。

Mar, 2024

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

本文提出了一个可用于建立自动检测低资源语言（如孟加拉语）虚假新闻系统的标注数据集，同时提供了数据集分析和基准系统，采用传统语言特征和神经网络技术，为防止虚假信息传播建立技术贡献。

Apr, 2020

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

媒体偏见分析数据集是一个全面的数据集，涵盖了各种偏见，对检测和分析媒体偏见具有重要价值，可为媒体研究和人工智能领域提供独特的资源。

Nov, 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

本研究分析了两个以国家支持为背景的尚未被研究的网站，Reliable Recent News (rrn.world) 和 WarOnFakes (waronfakes.com)，它们使用阿拉伯语、中文、英语、法语、德语和西班牙语发布内容。我们描述了获取内容的方法，并对多语言数据集进行了跨站点无监督主题聚类分析。我们还对网页翻译和主题进行了语言和时间分析，并调查了具有虚假发布日期的文章。我们开放了这个包含 14,053 篇文章的新数据集，每篇文章都标注了语言版本和其他元数据，如链接和图片。本文对自然语言处理社区的主要贡献在于提供了这一新颖数据集，使得可以研究虚假信息网络，并进行虚假信息检测工具的训练。

Oct, 2023