本研究使用新闻文章和 Telegram 新闻频道在乌克兰、俄罗斯、罗马尼亚和英语中分析了战争第一个月期间媒体对公众舆论的影响和反映，并提出并比较了两种基于 Transformer 和语言特征的多语言自动化亲俄罗斯宣传识别方法，分析了它们的优缺点，适用于新的流派和语言，并对其用于内容管理的道德问题进行了分析，旨在为针对当前冲突量身定制的管理工具的进一步发展奠定基础。

Jan, 2023

本研究主要通过分析俄罗斯媒体对于俄乌战争期间相关言论（VoynaSlov 数据集）的新闻报道和社交媒体营销信息，揭示了信息操纵的不同策略和媒体效应，研究结果为进一步发展用于应急危机和社科领域的 NLP 模型提供了参考。

May, 2022

本文报道了我们在 SemEval-2019 任务 4 中提出的超级党派新闻检测系统，该系统主要使用一些原本用于检测宣传的工程特征。我们训练了一个基于逻辑回归模型的分类器，并使用从简单单词袋到词汇丰富度和文本可读性等特征来训练它。我们的系统在手动注释的测试数据上实现了 72.9% 的准确率，而在带有远程监督标注的测试数据上则实现了 60.8% 的准确率。另外的实验表明，使用更好的特征预处理可以大幅提高性能。

Apr, 2019

本研究介绍了 ClarifAI 的设计，这是一种新型的自动化宣传检测工具，旨在通过激活读者的分析思维模式，根据康奈曼的双系统认知理论，鼓励更加批判性的新闻阅读。利用大型语言模型，ClarifAI 能够检测新闻文章中的宣传，并提供丰富的背景解释，增强用户的理解和批判思维能力。研究的贡献有三个方面：首先，我们提出了 ClarifAI 的设计；其次，在一项在线实验中，我们证明了该设计有效地鼓励新闻读者进行更加批判性的阅读；第三，我们强调解释在培养批判思维方面的价值。因此，本研究既提供了一个实用工具，又提供了有用的设计知识，以应对数字新闻中的宣传问题。

Feb, 2024

本文介绍了 proppy，一种面向在线新闻的公开实时宣传检测系统，旨在提高人们的意识，从而可能限制宣传的影响，并帮助打击虚假信息。该系统不断监控多个新闻来源并根据包含宣传内容的可能性将新闻文章组织成事件。通过使用各种风格特征对已知的宣传来源进行培训，该系统在标准数据集上的评估结果显示它实现了先进的宣传检测效果。

Dec, 2019

该研究综述了当前计算机辅助的宣传检测技术的现状和挑战，并呼吁自然语言处理和网络分析领域加强合作，以应对利用互联网和社交网络进行有针对性宣传的问题。

Jul, 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

为了应对每天都暴露在误导性和宣传性新闻文章和媒体帖子中的在线用户，我们提出了一种检测和展示这些技术的方法，以提供可解释性。特别地，我们定义了定性描述性特征，并分析了它们检测欺骗技术的适用性，同时表明我们的可解释性特征可以与预训练语言模型轻松结合，产生最先进的结果。

Aug, 2021

互联网和社交媒体改变了人们在信息传播迅速的时代获取新闻的方式。虽然这种发展增加了信息的获取，但也带来了一个重大问题：假新闻和信息的传播。假新闻迅速在数字平台上传播，对媒体生态系统、公众舆论、决策和社会凝聚力产生了负面影响。自然语言处理（NLP）作为一种能够确定内容真伪的技术手段，在对抗虚假信息的战斗中崭露头角。本文深入探讨了 NLP 技术如何用于检测假新闻，并揭示了它所带来的挑战和机遇。

Aug, 2023

本研究提出使用自然语言处理技术来提高事实核查的效率，从而解决新闻界预算紧缩和虚假信息不断蔓延的问题。该方法能够将待核查信息与已有语料库进行比对，返回相似、已经过事实核查的信息，从而实现多人同时核查而不重复工作。

Jul, 2019