Jun, 2024

EUvsDisinfo: 检测新闻文章中亲克里姆林宫虚假信息的多语言数据集

PDF
TL;DR本研究介绍了 EUvsDisinfo，这是一个可信与虚假信息文章的多语种数据集，与亲克里姆林宫主题相关。该数据集直接来源于 EUvsDisinfo 项目专家撰写的辟谣文章。我们的数据集是迄今为止在文章数量和不同语言方面规模最大的资源。它还提供了最广泛的主题和时间覆盖范围。利用这个数据集，我们调查了亲克里姆林宫虚假信息在不同语言中的传播情况，揭示了针对特定虚假信息主题的语言特定模式。我们进一步分析了八年期间话题分布的演变，并注意到在 2022 年乌克兰全面入侵之前，虚假信息内容急剧增加。最后，我们展示了该数据集在多语言环境中训练模型以有效区分虚假信息和可信内容的适用性。
euvsdisinfodisinformationpro-kremlin themeslanguage-specific patternstrustworthy content
发现论文，激发创造
  • 自动多语言检测报纸和 Telegram 帖子中的亲克里姆林宫宣传

    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

  • 分析政府支持的宣传网站：新数据集与语言学研究

    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

  • ExU：检测多语言虚假信息叙事并理解其传播

    ExU 项目研究在线虚假信息，跨语言分析叙述以帮助事实核查人员和记者筛选大量数据。项目侧重于开发基于人工智能的多语言虚假信息分析模型，解决谣言立场分类和索取索赔的任务。我们描述了 ExU 项目提案，并总结了有关支持事实核查工具设计的用户要求调查的结果。

    May, 2024

  • 谎言的时代不好过：俄乌战争、COVID-19 和难民信息识别

    本研究构建了一个新的数据集 MiDe-22，包括 5,284 条英文推文和 5,064 条土耳其推文，涵盖了包括俄罗斯 - 乌克兰战争、COVID-19 疫情和难民等几个最近事件，并提供了推文的用户参与度。研究提供了详细的数据分析和实验结果，并对误信息检测进行了基准评估。

    Oct, 2022

  • MuMiN: 一个大规模多语言多模态事实核查的虚假信息社交网络数据集

    通过构建一个数据收集和链接系统（MuMiN-trawl），我们开发了一个公共的虚假信息图数据集（MuMiN），它包含 21 百万条推文，13 千个经过事实检查的声明和 41 种不同语言，为自动虚假信息检测研究提供了大规模、多样化和高质量的数据集。我们公开了基线结果来证明这些是具有挑战性的任务。

    Feb, 2022

  • 多语言欧洲议会数据集用于信息检索偏倚分析

    Multi-EuP 是一个多语言基准数据集，由来自欧洲议会的 22K 多语言文档组成，涵盖 24 种语言。该数据集旨在研究多语言信息检索 (IR) 语境中的公平性，分析排名语境中的语言和人口统计偏差。它拥有一个真实的多语言语料库，涵盖了 24 种语言的主题翻译，以及跨语言的相关性判断。此外，它还提供与文档相关的丰富人口统计信息，方便研究人口统计偏差。我们报告了 Multi-EuP 在单语和多语信息检索基准测试方面的有效性。我们还对由分词策略选择引起的语言偏差进行了初步实验。

    Nov, 2023

  • 揭示全球叙事：一个关于俄乌冲突新闻媒体的多语言 Twitter 数据集

    本文展示了一个新颖的数据集，该数据集收集并处理了全球各地新闻或媒体公司在社交媒体上发布的推文，旨在帮助研究人员从多个角度研究有关俄乌冲突的全球议论，包括涉及的主体，持有的态度，原始出处，以及事件中不同概念的表现。

    Jun, 2023

  • MM-COVID: 用于打击 COVID-19 虚假信息的多语言和多模态数据存储库

    为了更好地应对 COVID-19 假新闻，我们提出了一个新的假新闻数据集 MM-COVID（多语言和多维 COVID-19 假新闻数据存储库），该数据集提供了多语言假新闻和相关社会背景。我们从不同角度对 MM-COVID 进行了详细的探索性分析，展示了在 COVID-19 假新闻研究的多语言和社交媒体的几个潜在应用方面的实用性。

    Nov, 2020

  • 一键查看新闻：基于 NLP 的亲克里姆林宫宣传检测

    针对克里姆林宫的宣传活动，发展了首个支持 7 种语言的 NLP 增强的亲克里姆林宫宣传检测应用程序，该应用能够为普通用户提供新闻反馈、解释操纵性语言特征和关键词，并通过用户研究、模型行为分析以及问卷答案，调查了该解决方案的优势和劣势。

    Jan, 2024

  • FakeCovid -- 一份涵盖多语言和跨领域的 COVID-19 事实核查新闻数据集

    本文介绍了一份第一份多语言、跨领域的 COVID-19 已核实新闻文章数据集，并介绍了如何利用自动分类方法，对其中的谣言进行识别，实现了 F1 值为 0.76 的准确性，并将数据集共享在 Github 上。

    Jun, 2020