Unveiling Global Narratives: A Multilingual Twitter Dataset of News Media on the Russo-Ukrainian Conflict
University of Potsdam（波茨坦大学）；L3S Research Center（L3S研究中心）
本文构建了一个涵盖 2022 年 2 月至 2023 年 5 月、60 种语言约 150 万条带图推文的多语言多媒体 Twitter 数据集，并用标签支持实体、立场、概念与情感分析。
2024-04-07 cs.CL cs.DL
Combining exogenous and endogenous signals with a semi-supervised co-attention network for early detection of COVID-19 fake tweets
Delhi Technological University（德里理工大学）；IIIT-Delhi（德里印度理工学院）；Accenture Labs（埃森哲实验室）
据观察，虚假推文不断增加，需要立即采取对策来打击其传播。在COVID-19期间，应在早期阶段标记并中和含有错误信息的推文，以减轻损害。大多数现有的早期检测假新闻的方法都假设有足够的传播信息来处理大型标签推文-这可能不是像COVID-19这样的情况下的理想设置，因为这两个方面基本上都不存在。在这项工作中，我们提出了ENDEMIC，一种新的早期检测模型，它利用与推文相关的外源和内源信号，同时在有限的标记数据上学习。我们首先开发了一个新的数据集，称为CTF，用于早期COVID-19 Twitter假新闻，并使用额外的行为测试集来验证早期检测。我们建立了一个异构图的追随者，追随者，用户鸣叫，和鸣叫转鸣叫连接和训练图嵌入模型聚合传播信息。图嵌入和上下文特征构成内源性信号，而与时间相关的网络抓取信息构成外源性信号。ENDEMIC以半监督的方式进行训练，克服了有限标记数据的挑战。我们提出了一个共同的注意力机制融合信号表示最佳。在ECTF、PolitiFact和GossipCop上的实验结果表明，ENDEMIC在检测早期虚假推文方面具有很高的可靠性，明显优于9种最先进的方法。
2021-04-12 cs.CL cs.LG cs.SI
Linking Tweets with Monolingual and Cross-Lingual News using Transformed Word Embeddings
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
社交媒体平台已经发展成为传播关于传统媒体发布的事件的信息的重要媒介，例如新闻文章。从不同角度讨论同一主题的各种信息来源提供了新的见解。但是，非正式的社交媒体内容（如推文）和精心撰写的内容（如新闻文章）之间的词汇使用差距使得这种组装变得困难。在本文中，我们提出了一个转换框架，利用他们的词嵌入跨越语言的鸣叫和在线新闻文章之间的词使用的差距。使用我们的框架，从推文和新闻文章中提取的词嵌入在不同语言中彼此更接近，从而便于识别新闻文章和推文之间的相似性。实验结果表明，单语推文和新闻文章比较的基线有显着改善，而跨语言比较的新发现。
2017-10-25 cs.CL
Stance Prediction for Russian: Data and Analysis
Innopolis University（因诺波利斯大学）；ITU Copenhagen（哥本哈根信息技术大学）
立场检测是谣言和假新闻识别的关键组成部分。它涉及提取特定作者对给定主张采取的立场，两者都在文本中表达。本文研究俄语的立场分类。它引入了一个新的数据集，RuStance，来自多个来源的俄罗斯推文和新闻评论，涵盖多个故事，以及文本分类方法来检测立场，作为这种语言中这些数据的基准。除了介绍这个开放的数据集，这是俄语的第一个此类数据集，本文还介绍了该语言中立场预测的基线。
2018-10-03 cs.CL
NELA-GT-2022: A Large Multi-Labelled News Dataset for The Study of Misinformation in News Articles
Rensselaer Polytechnic Institute（伦斯勒理工学院）；The University of Tennessee Knoxville（田纳西大学诺克斯维尔分校）
在本文中，我们介绍了NELA-GT数据集的第五部分NELA-GT-2022。该数据集包含2022年1月1日至2022年12月31日期间来自361个网点的1，778，361篇文章。就像过去发布的数据集一样，NELA-GT-2022包括来自媒体偏见/事实检查的出口级别的真实性标签和嵌入在收集的新闻文章中的推文。NELA-GT-2022数据集可在https://doi.org/10.7910/DVN/AMCV2H上找到
2023-03-17 cs.CL cs.CY cs.LG
CoVERT: A Corpus of Fact-checked Biomedical COVID-19 Tweets
University of Stuttgart（斯图加特大学）
在COVID-19大流行期间，社交媒体上发布了大量关于这种新疾病的生物医学信息。其中一些信息可能对人们的健康构成真正的危险，特别是当分享虚假信息时，例如在没有专业医疗建议的情况下如何治疗疾病的建议。因此，专门为医疗领域开发的自动事实核查资源和系统至关重要。虽然现有的事实核查资源涵盖新闻中的COVID-19相关信息或量化推文中的错误信息量，但没有数据集提供经过事实核查的COVID-19相关Twitter帖子，并对生物医学实体、关系和相关证据进行详细注释。我们贡献了CoVERT，这是一个经过事实检查的推文语料库，专注于生物医学和COVID-19相关（mis）信息领域。该语料库由300条推文组成，每条推文都标注了医学命名实体和关系。我们采用了一种新颖的众包方法，用事实检查标签和支持证据来注释所有推文，众包工作者在网上搜索。这种方法导致适度的注释者之间的协议。此外，我们使用检索到的证据提取作为事实检查管道的一部分，发现真实世界的证据比预训练的语言模型中间接提供的知识更有用。
2022-04-26 cs.CL cs.IR
Classifying COVID-19 Related Tweets for Fake News Detection and Sentiment Analysis with BERT-based Models
Tlemcen University（特莱姆森大学）；Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学（RUDN大学））；Joint Institute for Nuclear Research（联合核研究所）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Skövde（舍夫德大学）
本文介绍了团队“techno”在CERIST'22共享任务中，结合自然语言处理工具与预训练模型BERT，对COVID-19相关推文进行情感分析与假新闻检测，分别取得0.93和0.90的准确率。
2023-04-02 cs.CL
TGSum: Build Tweet Guided Multi-Document Summarization Dataset
The Hong Kong Polytechnic University（香港理工大学）；Peking University（北京大学）；Microsoft Research（微软研究院）
摘要研究的发展一直受到昂贵的参考摘要获取的严重阻碍。本文提出了一种有效的方法来自动收集大规模的新闻相关的多文档摘要参考社会媒体的反应。我们在推文中使用两种类型的社交标签，即，标签和超链接主题标签用于将文档聚类到不同的主题集中。此外，带有超链接的推文通常会突出显示相应文档的某些关键点。我们合成一个链接的文档簇，形成一个参考摘要，可以涵盖大多数关键点。为此，我们采用了ROUGE度量来衡量覆盖率，并开发了一个线性规划的解决方案来发现达到ROUGE上界的句子集。由于我们允许从文档和高质量的推文中选择摘要句子，因此生成的参考摘要可以是抽象的。所收集的摘要的信息量和可读性均通过人工判断进行验证。此外，我们训练支持向量回归摘要DUC通用多文档摘要基准。将收集到的数据作为额外的训练资源，使摘要器在所有测试集上的性能都有了很大的提高。我们发布此数据集以供进一步研究。
2015-11-26 cs.CL cs.IR
Mutual Clustering on Comparative Texts via Heterogeneous Information Networks
National University of Defense Technology（国防科技大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Nanjing University of Science and Technology（南京理工大学）；Shandong University（山东大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；Tsinghua University（清华大学）；Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所）；Qingdao Academy of Intelligent Industries（青岛智能产业技术研究院）；Macau University of Science and Technology（澳门科技大学）
目前，许多情报系统包含来自多个来源的文本，例如，公告板系统（BBS）帖子、推文和新闻。这些文本可以是“比较”的，因为它们可能在语义上相关，从而为我们提供了对同一主题或事件的不同视角。为了更好地组织多源文本并获得更全面的知识，我们提出了研究比较文本相互聚类（MCCT）的新问题，其目的是同时和协作地对比较文本进行聚类。MCCT问题很难解决，因为1）比较文本通常呈现不同的数据格式和结构，因此它们很难组织，以及2）缺乏有效的方法来连接语义相关的比较文本，以便于以统一的方式对它们进行聚类。为此，本文提出了一个基于异构信息网络的文本聚类框架HINT。HINT首先通过引入共享的“锚文本”来连接比较文本，将多源文本（例如新闻和推文）建模为异构信息网络。其次，构造了基于HINT的两个相似度矩阵和跨文本源知识转移的转移矩阵。然后利用构造的矩阵进行比较文本聚类。最后，提出了一种互聚类算法，通过引入聚类一致性约束，进一步统一了比较文本的聚类结果。我们在三个tweets-news数据集上进行了大量的实验，结果表明了该方法在解决MCCT问题上的有效性和鲁棒性。
2019-03-09 cs.CL cs.IR
Computational Paremiology: Charting the temporal, ecological dynamics of proverb use in books, news articles, and tweets
University of Vermont（佛蒙特大学）
谚语是语言和文化的重要组成部分，尽管人们对谚语的历史和流行给予了很大的关注，但对谚语使用频率随时间变化的定量研究相对较少。随着反映许多不同类型文档的大型语料库的广泛使用，现在可以对谚语的重要性采取广泛和动态的观点。在这里，我们测量了三个语料库中谚语相关性的时间变化，这三个语料库在种类、规模和时间范围上都不同：几个世纪以来的数百万本书; 20年来的数亿篇新闻文章;以及十年来的数十亿条推文。我们发现，谚语在每个地点呈现重尾的使用频率等级分布;表现出反映所涵盖时代文化动态的趋势;并在社交媒体上演变成当代形式。
2021-07-10 cs.CL
Utilization of Multinomial Naive Bayes Algorithm and Term Frequency Inverse Document Frequency (TF-IDF Vectorizer) in Checking the Credibility of News Tweet in the Philippines
College of Engineering and Technology（工程与技术学院）；Pamantasan ng Lungsod ng Maynila（马尼拉市立大学）
本文针对菲律宾新闻推文中的假新闻问题，采用基于真实基准的标注与 TF-IDF 特征提取训练 Multinomial Naive Bayes，实现较高可信度分类性能，并指出假新闻误判风险及改进方向。
2023-05-30 cs.CL
Tweet to News Conversion: An Investigation into Unsupervised Controllable Text Generation
Department of Computer Science
随着最近深度学习模型（如编码器-解码器）的出现，文本生成器系统变得非常流行。在没有监督的情况下控制生成的输出的信息和风格是一项重要且具有挑战性的自然语言处理（NLP）任务。在本文中，我们定义的任务是从一组灾难域推文构建一个连贯的段落，没有任何并行数据。我们通过在管道中建立两个系统来解决这个问题。第一个系统专注于无监督的风格转换，并将个人推文转换为新闻句子。第二个系统将第一个系统的输出拼接在一起，形成一个连贯的新闻段落。我们还提出了一种新的训练机制，通过将句子分割成命题并训练第二个系统合并句子。我们创建了一个验证和测试集组成的推文集和他们的等效新闻段落进行实证评估。在完全无监督的环境中，我们的模型能够获得19.32的BLEU分数，同时成功地转换风格并连接推文以形成有意义的新闻段落。
2020-08-21 cs.CL cs.LG
Characterizing Political Fake News in Twitter by its Meta-Data
Imperial College London（帝国理工学院）
本文提出了一种通过分析Twitter上的元数据来表征政治假新闻的初步方法。特别是，我们专注于唐纳德·特朗普当选为美利坚合众国第45任总统当天收集的超过150万条推文。我们使用这些推文中嵌入的元数据来寻找包含假新闻的推文和不包含假新闻的推文之间的差异。具体来说，我们只对病毒式传播的推文进行分析，通过研究用户接触推文的代理，通过描述传播假新闻的账户，并通过观察它们的两极分化。我们发现在追随者的分布，推文上的URL数量以及用户的验证方面存在显着差异。
2017-12-16 cs.CL cs.SI stat.ML
A Heuristic-driven Uncertainty based Ensemble Framework for Fake News Detection in Tweets and News Articles
Razorthink Inc（Razorthink 公司）；IIT Madras（印度理工学院马德拉斯分校）
在过去的几十年里，社交媒体的重要性增加了许多倍，因为它可以帮助来自世界上最偏远角落的人们保持联系。随着技术的出现，数字媒体变得比以往任何时候都更加相关和广泛使用，与此同时，需要立即关注的假新闻和推文的传播死灰复燃。在本文中，我们描述了一种新型的假新闻检测系统，该系统可以自动识别新闻项目是“真”还是“假”，作为我们在CONSTRAINT COVID-19 Fake News Detection in English challenge中工作的扩展。我们使用了一个集成模型，该模型由预训练模型和统计特征融合网络组成，以及一种新的启发式算法，该算法通过将新闻项或推文中存在的各种属性（如来源，用户名句柄，URL域和作者）作为统计特征。我们提出的框架还量化了可靠的预测不确定性以及分类任务的适当类输出置信水平。我们已经在COVID-19 Fake News数据集和FakeNewsNet数据集上评估了我们的结果，以显示所提出的算法在检测短新闻内容以及新闻文章中的假新闻方面的有效性。我们在COVID-19数据集上获得了0.9892的最佳F1分数，在FakeNewsNet数据集上获得了0.9073的F1分数。
2021-12-13 cs.AI cs.CL
MM-Claims: A Dataset for Multimodal Claim Detection in Social Media
TIB – Leibniz Information Centre for Science and Technology（莱布尼茨科技信息中心（TIB））；L3S Research Center, Leibniz University Hannover（汉诺威莱布尼茨大学L3S研究中心）；Jozef Stefan Institute（约瑟夫·斯特凡研究所）
近年来，网络上的错误信息问题在不同语言、国家和各种社交媒体平台上普遍存在。尽管在自动化虚假新闻检测方面已经做了很多工作，但图像的作用及其多样性还没有得到很好的探索。在本文中，我们研究了图像和文本在假新闻检测管道的早期阶段（称为索赔检测）中的作用。为此，我们引入了一个新的数据集，MM-Claims，它由三个主题的推文和相应的图像组成：COVID-19，气候变化和广泛的技术。该数据集包含大约86000条推文，其中3400条由多个注释器手动标记，用于多模态模型的训练和评估。我们详细描述了数据集，评估了强大的单峰和多峰基线，并分析了当前模型的潜力和缺点。
2022-05-04 cs.AI cs.CL cs.CV
GeoCoV19: A Dataset of Hundreds of Millions of Multilingual COVID-19 Tweets with Location Information
Qatar Computing Research Institute（卡塔尔计算研究院）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）
本文发布 GeoCoV19，一个涵盖 90 天、超过 5.24 亿条多语言推文并含地理位置推断的大规模 Twitter 数据集，以支持 COVID-19 期间的社会响应分析及假新闻识别、疾病预测等计算研究。
2020-05-22 cs.CL cs.CY cs.IR
A Second Pandemic? Analysis of Fake News About COVID-19 Vaccines in Qatar
Qatar Computing Research Institute, HBKU（卡塔尔计算研究所（哈马德·本·哈利法大学））；University of Padova（帕多瓦大学）
虽然COVID-19疫苗终于开始广泛使用，但围绕反疫苗假新闻传播的第二次大流行可能会阻碍从第一次大流行中恢复过来的努力。考虑到这一点，我们对有关COVID-19疫苗的阿拉伯语和英语推文进行了广泛分析，重点关注来自卡塔尔的消息。我们发现，阿拉伯语的推文包含大量虚假信息和谣言，而英语推文大多是事实。然而，英语推特比阿拉伯语推特更具宣传性。在宣传技巧方面，大约一半的阿拉伯语推文表达了怀疑，1/5使用了负载语言，而英语推文则大量使用负载语言，夸张，恐惧，辱骂，怀疑和挥舞旗帜。最后，在框架方面，阿拉伯语的推文采用健康和安全的观点，而在英语中，经济问题占主导地位。
2021-09-22 cs.CL cs.SI
Event detection in Colombian security Twitter news using fine-grained latent topic analysis
Universidad Nacional de Colombia（哥伦比亚国立大学）
文化和社会动态是重要的概念，必须加以理解，以便掌握社区关心的问题。为此，新闻是一个很好的社区信息来源，特别是近年来，大众媒体巨头使用社交网络与受众沟通和互动。在这项工作中，我们使用的方法来发现潜在的主题，从哥伦比亚的Twitter新闻帐户，以确定该国最突出的事件。我们特别关注与安全、暴力和犯罪有关的推文，因为哥伦比亚社会周围存在暴力环境。我们使用的潜在主题发现方法通过使用FastText构建推文的向量表示，并通过K-means聚类算法发现推文的聚类。通过测量潜在狄利克雷分配（LDA）模型的一系列主题的$C_V$相干性来找到聚类的数量。最后，我们使用均匀流形近似和投影（UMAP）降维可视化的推文向量。一旦确定了与安全、暴力和犯罪相关的聚类，我们将在每个聚类中应用相同的方法来执行细粒度分析，其中将新闻中提到的特定事件分组在一起。我们的方法能够发现特定于事件的新闻集，这是对人们如何参与不同类型新闻的Twitter线程进行广泛分析的基准，重点是安全，暴力和犯罪相关的推文。
2019-11-19 cs.CL cs.SI
Enhancing Fake News Detection in Social Media via Label Propagation on Cross-modal Tweet Graph
Northwest University（西北大学）；Osaka University（大阪大学）
针对多模态假新闻检测中图连接稀疏的问题，本文提出基于 CLIP 的跨模态推文图与 FCN-LP 标签传播方法，并结合域泛化损失，在三个数据集上持续超越现有方法。
2024-06-14 cs.CL cs.MM cs.SI
Contrastive News and Social Media Linking using BERT for Articles and Tweets across Dual Platforms
University of Warsaw（华沙大学）；MIM Solutions（MIM解决方案公司）；University of Amsterdam（阿姆斯特丹大学）；Warsaw University of Technology（华沙理工大学）；IDEAS NCBR（IDEAS国家计算机科学研究中心）
针对推文与新闻关联的难题，本文提出基于预训练BERT的对比学习方法CATBERT，在俄乌战争相关多语言数据集上表现优于传统方法和OpenAI嵌入方法，还验证了其在推文级联主题查找任务中的性能。
2023-12-11 cs.CL cs.LG
Extracting News Events from Microblogs
Norwegian University of Science and Technology（挪威科技大学）
Twitter流已经成为许多人的一个重要信息来源，但推文的数量及其内容的嘈杂性使得从Twitter中获取知识对研究人员来说是一项具有挑战性的任务。为了克服从Twitter流中提取隐藏信息的一些主要挑战，这项工作提出了一种新的方法，从Twitter流中实时检测新闻事件。我们将方法分为三个步骤。第一步是使用神经网络或深度学习从流中检测与新闻相关的推文。第二步是将一种新的流数据聚类算法应用于检测到的新闻推文以形成新闻事件。第三步也是最后一步是根据事件集群的大小和鸣叫频率的增长速度对检测到的事件进行排名。我们评估了一个大型的，公开可用的语料库的注释新闻事件从Twitter上提出的系统。作为评估的一部分，我们将我们的方法与相关的最先进的解决方案进行比较。总体而言，我们的实验和基于用户的评估表明，我们的方法检测当前（真实）新闻事件提供了最先进的性能。
2018-06-20 cs.CL cs.IR cs.SI
Newswire versus Social Media for Disaster Response and Recovery
University of Houston（休斯顿大学）；University of Tehran（德黑兰大学）；Institute for Research in Fundamental Sciences (IPM)（基础科学研究所（IPM））
在灾害情况下，第一反应者需要迅速获得情况意识，并根据需要、可用资源和影响确定反应的优先次序。他们能仅仅依靠Twitter这样的数字媒体，或者仅仅依靠新闻专线，或者两者的结合吗？我们在2015年尼泊尔地震的背景下研究这个问题。因为新闻专线的文章比较长，有效的摘要可以帮助节省时间，但提供关键内容。我们评估了几种无监督摘要技术在捕获关键内容方面的有效性。我们提出了一种方法来链接写的推文由公众和新闻通讯社的文章，这样我们就可以比较他们的关键特征：及时性，推文是否出现早于其相应的新闻文章，和内容。一个新颖的想法是将相关推文视为匹配新闻文章的摘要并评估这些摘要。只要有可能，我们会同时进行定量和定性评估。我们的主要发现之一是，推特和新闻专线文章提供了互补的视角，形成了对灾害情况的整体看法。
2019-06-25 cs.CL cs.IR cs.SI
Automated Fake News Detection using cross-checking with reliable sources
Sharif University of Technology（谢里夫理工大学）
在过去的十年里，假新闻和错误信息已经成为一个重大问题，影响了我们生活的各个方面，包括政治和公共卫生。受自然人类行为的启发，我们提出了一种自动检测假新闻的方法。人类的自然行为是用可靠的来源交叉检查新信息。我们使用自然语言处理（NLP）并构建了一个机器学习（ML）模型，该模型可以自动交叉检查新信息与一组预定义的可靠来源。我们为Twitter实现了这一点，并构建了一个标记虚假推文的模型。具体来说，对于给定的推文，我们使用其文本从可靠的新闻机构中查找相关新闻。然后，我们训练一个随机森林模型，该模型检查推文的文本内容是否与可信新闻一致。如果不是，则该推文被归类为虚假。这种方法通常可以应用于任何类型的信息，而不限于特定的新闻故事或信息类别。我们的这种方法的实现提供了一个$70\%$的准确性，优于其他通用的假新闻分类模型。这些结果为更明智和自然的假新闻检测方法铺平了道路。
2022-01-01 cs.CL cs.SI physics.soc-ph
Zero-shot Entity and Tweet Characterization with Designed Conditional Prompts and Contexts
International Institute of Information Technology, Bangalore（班加罗尔国际信息技术学院）；Indraprastha Institute of Information Technology, Delhi（德里印德拉普拉斯塔信息技术学院）；International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
从上个十年开始，在线新闻和社交媒体一直是全球传播信息的事实上的媒介。然而，内容和意图的目的的偏见不受监管，管理偏见是内容消费者的责任。在这方面，了解新闻来源对具体实体的立场和偏见变得很重要。为了解决这个问题，我们使用预训练的语言模型，这些模型已经被证明可以在没有特定任务训练或Few-Shot训练的情况下带来良好的结果。在这项工作中，我们将命名实体和推文的特征化问题作为一个开放式的文本分类和开放式的事实探测问题来处理。我们评估了生成预训练Transformer 2（GPT-2）的zero-shot语言模型能力，以主观地用人类心理启发和逻辑条件前缀和上下文来表征实体和推文。首先，我们微调的GPT-2模型在一个足够大的新闻语料库和评价主观表征的语料库中流行的实体与前缀启动。其次，我们用来自几个流行标签的推文语料库微调GPT-2，并通过用前缀、问题和上下文概要提示启动语言模型来评估特征推文。实体表征的结果是积极的措施和人的评价。
2022-04-18 cs.CL cs.IR
EquiSumm : A Gender Bias-Aware Framework for Inclusive Tweet Summarization
ABV IIITM Gwalior（ABV IIITM 格瓦利尔）
提出EquiSumm框架，通过考虑性别维度生成推文摘要，实验表明其在两个数据集上有效减少性别偏见并保持摘要质量。
2026-05-22 cs.CL
CovidMis20: COVID-19 Misinformation Detection System on Twitter Tweets using Deep Learning Models
Saginaw Valley State University（萨吉诺谷州立大学）；The Hashemite University（哈希姆大学）；Western Michigan University（西密歇根大学）；University of Nebraska at Kearney（内布拉斯加大学卡尼尔分校）
在线新闻和信息源是了解当前问题的方便和可访问的方式。例如，全球有3亿多人在推特上发帖，这为传播误导性信息提供了可能性。由于假新闻而犯下暴力犯罪的案件很多。这项研究提出了CovidMis 20数据集（COVID-19 Misinformation 2020数据集），其中包括从2020年2月至7月收集的1，375，592条推文。CovidMis 20可自动更新以获取最新新闻，并可在https://github.com/everythingguy/CovidMis20上公开获取。这项研究使用Bi-LSTM深度学习和集成CNN+Bi-GRU进行假新闻检测。结果表明，在测试准确度分别为92.23%和90.56%的情况下，集成CNN+Bi-GRU模型始终提供比Bi-LSTM模型更高的准确度。
2022-09-13 cs.CL cs.HC cs.LG
A Heuristic-driven Ensemble Framework for COVID-19 Fake News Detection
Razorthink Inc（Razorthink公司）；IIT Madras（印度理工学院马德拉斯分校）
在过去的几十年里，社交媒体的重要性增加了许多倍，因为它帮助即使是来自世界上最偏远角落的人们保持联系。随着COVID-19大流行的肆虐，社交媒体变得比以往任何时候都更相关和更广泛地使用，与此同时，需要立即关注的假新闻和推文的传播再次出现。在本文中，我们描述了我们的假新闻检测系统，该系统自动识别与COVID-19相关的推文是“真实”还是“虚假”，作为CONSTRAINT COVID-19 Fake News Detection in English挑战赛的一部分。我们使用了一个由预训练模型组成的集成模型，帮助我们在排行榜上获得了第八名的位置。我们取得了0.9831的F1分数，而最高分数为0.9869。比赛结束后，我们已经能够通过在tweets中引入一种基于用户名句柄和链接域的新型启发式算法来大幅改进我们的系统，该算法获得了0.9883的F1分数，并在给定的数据集上获得了最先进的结果。
2021-01-10 cs.CL cs.LG
GCAN: Graph-aware Co-Attention Networks for Explainable Fake News Detection on Social Media
National Cheng Kung University（国立成功大学）
本文解决了社交媒体上更真实场景下的假新闻检测问题。给定源短文本推文和相应的无文本评论的转推用户序列，我们的目标是预测源推文是否是假的，并通过突出可疑转推者及其关注的词的证据来产生解释。我们开发了一种新的神经网络为基础的模型，图形感知的协同注意力网络（GCAN），以实现这一目标。在真实的tweet数据集上进行的大量实验表明，GCAN的平均准确率可以显著超过最先进的方法16%。此外，案例研究也表明，GCAN可以产生合理的解释。
2020-04-24 cs.CL cs.LG stat.ML
Model Generalization on COVID-19 Fake News Detection
The Hong Kong University of Science and Technology（香港科技大学）
在COVID-19大流行期间，世界正面临前所未有的信息泛滥，虚假和真实信息都在扩散。考虑到COVID-19假新闻带来的问题性后果，科学界一直在努力解决它。为了有助于这场对抗信息流行病的斗争，我们的目标是为CONSTRAINT 2021提出的COVID-19假新闻检测任务实现一个强大的模型（FakeNews-19）通过采取两种不同的方法：1）用鲁棒的损失函数微调基于Transformers的语言模型，2）通过影响计算去除有害的训练实例。我们通过评估不同的COVID-19错误信息测试集（Tweets-19）来进一步评估我们模型的鲁棒性，以了解模型的泛化能力。对于第一种方法，我们在共享任务上实现了98.13%的加权F1得分（W-F1），而在Tweets-19上实现了38.18%的W-F1最高。相反，通过执行影响力数据清洗，我们的模型具有99%的清洗百分比，可以在Tweets-19上实现54.33%的W-F1得分。通过在两个COVID-19假新闻测试集上评估我们的模型，我们提出了模型泛化能力在这项任务中的重要性，以进一步解决在线社交媒体平台中的COVID-19假新闻问题。
2021-01-11 cs.AI cs.CL
Fake News Detection in Social Media using Graph Neural Networks and NLP Techniques: A COVID-19 Use-case
University of Engineering and Technology, Peshawar（白沙瓦工程技术大学）；IBM Research - Almaden（IBM阿尔马登研究中心）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）；Shaheed Benazir Bhutto Women University（沙希德·贝娜齐尔·布托女子大学）
本文介绍了MediaEval 2020任务的解决方案，即FakeNews：Corona病毒和5G阴谋多媒体基于数据的分析。该任务旨在分析与COVID-19和5G阴谋论相关的推文，以检测错误信息传播者。该任务由两个子任务组成，即（i）基于文本的假新闻检测和（ii）基于结构的假新闻检测。对于第一个任务，我们提出了六种不同的解决方案，依赖于词袋（BoW）和BERT嵌入。其中三种方法通过区分5G阴谋和其余的COVID-19相关推文来实现二元分类任务，而其余方法则将任务视为三元分类问题。在三元分类任务中，我们基于BoW和BERT的方法在开发集上分别获得了0.606%和0.566%的F1分数。在二进制分类上，基于BoW和BERT的解决方案分别获得了.666%和.693%的平均F1分数。另一方面，对于基于结构的假新闻检测，我们依靠图神经网络（GNNs）在开发集上实现了0.95%的平均ROC。
2020-11-30 cs.CL
Good Friends, Bad News - Affect and Virality in Twitter
Technical University of Denmark（丹麦技术大学）；University of Milan（米兰大学）；Copenhagen Business School（哥本哈根商学院）
情感（定义为信息唤起情感的能力）和病毒性（定义为信息传播的可能性）之间的联系具有重要的理论和实践意义，例如对于病毒式营销。对《纽约时报》文章的电子邮件的定量研究发现，积极情感和病毒式传播之间存在密切联系，根据心理学理论，得出的结论是，这种关系是普遍有效的。这一结论似乎与传统的新闻传播理论相反，它强调负面影响是促进传播。在本文中，我们探讨了明显的悖论在Twitter上的信息扩散的定量分析。Twitter在这方面很有意思，因为它已经被证明既具有社交媒体的特征，又具有新闻媒体的特征。Twitter病毒式传播的基本衡量标准是转发的概率。Twitter与电子邮件的不同之处在于，转发不依赖于预先存在的社会关系，而是经常发生在陌生人之间，因此在这方面Twitter可能更类似于传统的新闻媒体。因此，我们假设负面新闻内容更有可能被转发，而非新闻推文的积极情绪支持病毒式传播。为了验证这一假设，我们分析了三个语料库：关于COP 15气候峰会的推文的完整样本，推文的随机样本，以及包括新闻在内的一般文本语料库。后者允许我们训练一个分类器，可以区分携带新闻和非新闻信息的推文。我们提出的证据表明，负面情绪增强病毒式的新闻部分，但不是在非新闻部分。根据Berger和Milkman（2010）的研究结果，我们得出结论，情感和病毒式传播之间的关系比预期的要复杂得多，简而言之，“如果你想被引用：甜言蜜语你的朋友或向公众…
2011-01-03 cs.CL cs.SI physics.soc-ph
TIB's Visual Analytics Group at MediaEval '20: Detecting Fake News on Corona Virus and 5G Conspiracy
TIB – Leibniz Information Centre for Science and Technology（莱布尼茨科学技术信息中心）；L3S Research Center, Leibniz University Hannover（汉诺威莱布尼茨大学L3S研究中心）
社交媒体上的假新闻已经成为研究的热点，因为它对公众真实新闻的话语产生了负面影响。具体而言，持续的COVID-19疫情导致不准确及具误导性的信息增加，原因是疫情初期的争议及未知细节。MediaEval 2020的FakeNews任务通过创建一个挑战来解决这个问题，该挑战是基于Twitter追随者网络的文本和结构自动检测包含错误信息的推文。在本文中，我们提出了一个简单的方法，使用BERT嵌入和浅神经网络分类推文只使用文本，并讨论我们的研究结果和局限性的方法在基于文本的错误信息检测。
2021-01-10 cs.CL cs.SI
Deception Detection with Feature-Augmentation by soft Domain Transfer
University of Houston（休斯顿大学）
针对跨域欺骗检测中信息不足的问题，提出利用神经模型中间层表示的软域迁移特征增强方法，较自域基线最高提升6.60%，并明确了不同域间的信息辅助作用。
2023-05-01 cs.CL cs.LG
Check_square at CheckThat! 2020: Claim Detection in Social Media via Fusion of Transformer and Syntactic Features
TIB Leibniz Information Centre for Science and Technology（莱布尼茨科技信息中心）；L3S Research Center, Leibniz University Hannover（汉诺威莱布尼茨大学L3S研究中心）
在这个新闻消费的数字时代，新闻读者有能力以高度互动和快速的方式与他人反应，表达和分享意见。因此，假新闻已经进入我们的日常生活，因为大公司和个人在互联网上核实新闻的能力非常有限。在本文中，我们专注于解决事实核查生态系统中的两个问题，这两个问题可以帮助在社交媒体上不断增加的内容流中自动进行事实核查。对于第一个问题，声明检查价值预测，我们探索了语法特征和来自Transformers（BERT）嵌入的深度Transformer双向编码器表示的融合，以对推文的检查价值进行分类，即它是否包括声明。我们进行了详细的功能分析，并提出了我们的最佳表现模型为英语和阿拉伯语的推文。对于第二个问题，索赔检索，我们从专门针对语义文本相似性训练的连体网络Transformer模型（transformer-transformers）中探索预训练的嵌入，并执行KD搜索以检索关于查询tweet的验证索赔。
2020-09-20 cs.CL cs.SI
KnowBias: Detecting Political Polarity in Long Text Content
MIT PRIMES（MIT PRIMES项目）；Weston High School（韦斯顿高中）
我们引入了一个分类方案，用于检测长文本内容（如报纸观点文章）中的政治偏见。获取足够规模的长文本数据和注释进行训练是困难的，但通过作者身份从推文中提取政治极性相对容易。我们对推文进行训练，并对文章进行推理。通用句子编码器和其他现有的方法，旨在解决这个领域的适应情况下提供不准确和不一致的预测文章，我们表明，这是由于在推文和文章之间的意见集中的差异。我们提出了一个两步分类方案，该方案使用在推文上训练的中性检测器从文章中删除中性句子，以调整意见集中度，从而提高该领域的准确性。我们的实现可在https://knowbias.ml上公开使用。
2019-11-20 cs.CL
Analyzing Polarization in Social Media: Method and Application to Tweets on 21 Mass Shootings
Stanford University（斯坦福大学）；Brown University（布朗大学）
我们提供了一个NLP框架来揭示社交媒体中政治极化的四个语言维度：话题选择，框架，影响和言外之力。我们量化这些方面与现有的词汇方法，并提出聚类的推文嵌入作为一种手段，以确定突出的主题，跨事件的分析;人类的评价表明，我们的方法比传统的基于LDA的模型产生更多的凝聚力的主题。我们应用我们的方法来研究21起大规模枪击事件的440万条推文。我们提供的证据表明，这些事件的讨论是高度两极分化的政治，这种两极分化主要是由党派之间的差异，而不是主题选择的框架。我们确定框架设备，如接地和对比使用的术语“恐怖分子”和“疯狂”，有助于两极分化。有关主题选择，影响和言外之力的结果表明，共和党人更关注枪手和事件的具体事实（新闻），而民主党人更关注受害者，并呼吁改变政策。我们的工作有助于更深入地了解语言中的群体划分方式，并有助于研究它们的计算方法。
2019-04-04 cs.CL
KnowBias: A Novel AI Method to Detect Polarity in Online Content
MIT PRIMES（MIT PRIMES项目）；Weston High School（韦斯顿高中）
我们提出了一种新的训练和推理方法，用于检测长文本内容（如报纸观点文章）中的政治偏见。获得足够规模的长文本数据和注释进行训练是困难的，但通过作者身份从推文中提取政治极性相对容易;因此，我们对推文进行训练并对文章进行推理。通用句子编码器和其他现有的方法，旨在解决这个领域的适应情况下提供不准确和不一致的预测文章，我们表明，这是由于在推文和文章之间的意见集中的差异。我们提出了一个两步分类方案，该方案利用在推文上训练的中性检测器从文章中删除中性句子，以调整意见集中度，从而提高该领域的准确性。我们使用各种测试套件来评估我们的两步方法，包括一组推文和长篇文章，其中注释是众包的，以减少标签噪声，测量准确性和Spearman-rho秩相关性。在实践中，KnowBias在这些推文上达到了86（rho = 0.65）的高准确率，在长篇文章上达到了75（rho = 0.69）。虽然我们验证我们的方法对政治偏见，我们的计划是通用的，可以很容易地应用到其他设置，其中存在这样的域之间的源和目标域的不匹配。我们的实现可在https://knowbias.ml上公开使用。
2019-11-18 cs.CL
Uncertainty-Aware Reward-based Deep Reinforcement Learning for Intent Analysis of Social Media Information
Virginia Tech（弗吉尼亚理工大学）；University of Oslo（奥斯陆大学）；DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室）；University of Texas at Dallas（德克萨斯大学达拉斯分校）；University of the District of Columbia（哥伦比亚特区大学）
由于传播假新闻的各种严重不良影响，人们往往知道，只有恶意的人才会传播假新闻。然而，根据社会科学研究，这并不一定是真的。根据他们的意图区分假新闻传播者的类型至关重要，因为它将有效地指导如何通过不同的方法进行干预以减轻假新闻的传播。为此，我们提出了一个意图分类框架，可以最好地识别假新闻的正确意图。我们将利用深度强化学习（DRL），在将演员添加到长短期记忆（LSTM）意图分类器时，通过从输入序列中删除嘈杂的单词来优化每条推文的结构表示。策略梯度DRL模型（例如，REINFORCE）可以引导行动者获得更高的延迟奖励。我们还设计了一个新的不确定性意识的即时奖励使用的主观意见，可以明确地处理多维的不确定性，有效的决策。通过来自带有注释意图类的假新闻推文数据集的60万训练集，我们评估了DRL中不确定性感知奖励的性能。评估结果表明，我们提出的框架有效地减少了选择的单词的数量，以保持高95%的多类准确率。
2023-02-19 cs.AI cs.CL cs.LG
Like Article, Like Audience: Enforcing Multimodal Correlations for Disinformation Detection
European Commission, Joint Research Centre (JRC)（欧洲委员会联合研究中心）；KU Leuven（鲁汶大学）
本研究利用用户生成内容与共享内容的相关性，提出仅在训练阶段引入用户画像引导的多模态虚假信息检测算法，适配三类主流神经分类器，能更精准区分真假新闻。
2021-08-31 cs.CL cs.IR
Understanding the Impact of News Articles on the Movement of Market Index: A Case on Nifty 50
Praxis Business School（普拉西斯商学院）
本文针对以往研究忽视新闻主题差异的问题，结合多主题新闻情感分析 Nifty 50 指数走势，证明非市场类主题情感也会显著影响指数。
2024-11-22 cs.CL cs.LG q-fin.ST
