《打击假新闻: 识别和缓解技术调查》(附加42页PDF下载)

【导读】社会媒体中假新闻的扩散引起了研究者的注意，包括假新闻的识别与其传播的缓解等。本文介绍综述《Combating Fake News》，包含了对基于人工规则、深度学习等算法的介绍，以及相关数据集的描述。

假新闻（Fake News）识别是当前较热的研究方向之一，社会媒体中假新闻的识别问题可以被建模成许多热点模型。例如下图中，可以将用户评论用时序建模，可以用网络建模用户之间的关系等：

综述《Combating Fake News: A Survey on Identification and Mitigation Techniques》介绍了假新闻的定义、特性，基于人工特征、深度学习的算法，以及相关数据集等信息。

综述的目录如下：

• 简介

• 定义、性质、挑战与关键因素

• 定义

• 性质/特征

• 信息交换过程

• 关键因素

• 挑战

• 条件/目标
  

• 方法概要

• 基于内容的识别

• 线索和基于特征的方法

• 语言学分析方法

• 基于内容的深度学习方法

• 基于反馈的识别

• 手工特征

• 传播模式分析

• 时间模式分析

• 响应文本分析

• 响应用户分析

• 基于介入的解决方案

• 缓解策略

• 识别策略
  

• 现有数据集

• 数据集列表

• 数据集特性

• 总结和未来工作

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CBFNS” 就可以获取本文PPT资料与代码教程下载

附综述截图：

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！530+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程