Jul, 2024

POLygraph：波兰假新闻数据集

PDF
TL;DR该论文介绍了 POLygraph 数据集，这是一个在波兰进行假新闻检测的独特资源。该数据集包含两个部分：11,360 对新闻文章及相应标签的 “真假” 数据集，以及 5,082 篇新闻文章及相关推文的 “真假评论” 数据集。与现有数据集不同，POLygraph 涵盖了源自文献的多种方法，为假新闻检测提供了全面的资源。数据是通过专家和非专家标注人员的手动注释收集的。该项目还开发了一款使用先进机器学习技术分析数据并确定内容真实性的软件工具。该工具和数据集预计将惠及公共部门机构、出版商和事实核查组织等各种实体。进一步对数据集的研究将促进假新闻检测，可能在其他语言中推动类似模型的实施。该论文侧重于数据集的创建和组成，因此不包括对内容真实性分析软件工具的详细评估，该评估计划在项目的后期进行。
polygraph datasetfake news detectionpolishcontent authenticity analysisdataset exploration
发现论文，激发创造
  • Liar, Liar Pants on Fire”: 一个新的用于假新闻检测的基准数据集

    本研究介绍了 Liar 数据集以及一种新型卷积神经网络，该网络能够结合元数据和文本进行表面级别的自动虚假新闻检测，这个可用于事实核查，工具使得这种检测基于事实上的文章变得更容易，从而减少虚假信息带来的实际影响。

    May, 2017

  • 假新闻检测：数据见真章！

    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

  • BanFakeNews: 用于检测孟加拉语假新闻的数据集

    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

  • FakeNewsNet: 一个数据仓库，提供新闻内容、社交背景和时空信息，用于研究社交媒体上的虚假新闻

    通过提供包含新闻内容、社会背景和动态信息的数据集，本文旨在促进对社交媒体上假新闻的传播、检测和干预的研究，强调了假新闻检测的复杂性，并结合多源信息提出了可能的解决方案。

    Sep, 2018

  • 自动检测虚假新闻

    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

  • Factify 2: 一份多模态假新闻和讽刺新闻数据集

    本研究提供 FACTIFY2 这一多模态事实核查数据集以及相关算法，并使用新数据源和添加讽刺文章来改进 FACTIFY1，FACTIFY2 具有 50,000 个新实例数据，包含支持、无证据和驳斥三个分类以及文本和视觉数据的三个子分类，使用基于 BERT 和 Vision Transformer 的基础模型的测试集 F1 分数为 65％。

    Apr, 2023

  • 使用 ChatGPT 对虚假新闻数据集进行增强事实核查的再访

    通过扩充大语言模型 (ChatGPT) 的事实核查，重新审视了由人类记者验证的现有虚假新闻数据集，并将扩充的虚假新闻数据集命名为 ChatGPT-FC。我们在评估新闻主题可信度、新闻创作者可信度、时态敏感度和政治框架方面定量分析了人类记者和 LLM 之间的差异和相似之处。我们的研究结果强调了 LLM 作为初步筛选方法的潜力，为减轻人类记者的固有偏见并增强虚假新闻检测提供了有希望的途径。

    Dec, 2023

  • 一份包含人类和机器洞见的法国虚假新闻多标签数据集

    我们提供了一个被 8 名注解者使用 11 个标签注释的 100 份文件的语料库，该文件语料库从 17 个被专家机构认为不可靠的法国新闻来源中选取。通过收集比通常更多的标签和注解者，我们可以确定人类认为是伪新闻特征，并将其与自动分类器的预测进行比较。我们使用 Gate Cloud 进行主题和体裁分析，显示语料库中类似讽刺的文本的普遍性。然后，我们使用主观性分析器 VAGO 以及其神经版本，以澄清主观标签和伪新闻标签之间的关联。可在以下 URL 在线获取注释数据集：this https URL

    Mar, 2024

  • 针对 “假新闻” 的注释方案重建及日本假新闻数据集

    研究假新闻检测任务的众多假新闻数据集基本关注新闻的真实性，但这样单方面是无法解释 “假新闻” 的，作者提出了基于细节调查的新注释方案，以细分标注的方式捕获假新闻的多个方面，进一步对其进行深入理解和研究，并构建并发布了第一个日本假新闻数据集。

    Apr, 2022

  • 分析 2024 年选举中假新闻的影响：一个全面的数据集

    这项研究介绍了一个关于美国政治演讲中的假新闻的数据集，主要研究种族歧视和偏见。通过爬取和注释 40,000 篇新闻文章，使用先进的自然语言处理工具和人工验证，我们提供了对政治言论中的虚假信息的细致理解。该数据集旨在用于机器学习和偏见分析，为研究人员、政策制定者和教育工作者提供了重要资源。它有助于制定应对虚假信息的策略，提升媒体素养，对假新闻和政治沟通的研究作出了重要贡献。我们的数据集侧重于对 2024 年选举背景下的假新闻进行分析，并向公众提供了访问权限。

    Dec, 2023