在线平台的发展极大地促进了人们相互交流和了解趋势事件的方式。然而,它也产生了前所未有的不准确或误导性信息,因为传统的新闻守门无法跟上媒体传播的步伐。这些不受欢迎的现象导致了社会因非理性的信仰而撕裂,股票市场冲动波动导致金钱损失,以及在COVID-19大流行期间因其产生的信息流行病而发生本可以避免的死亡事件等。即使是不相信错误信息的人,也可能会被周围不健康内容的污染所困扰,这种令人不快的情况被称为信息混乱。因此,我们的社会有必要更好地了解并制定有效的机制来纠正错误信息和有偏见的报道。

我们选择了一些真实世界的假新闻及其对社会的有害影响作为教程主题的开始,然后进行了一个教学练习,介绍人类如何处理假新闻的检测、表征和纠正问题。我们将指出各种类型的假新闻在概念上的区别,包括新闻新闻中对错误归因或不存在的事件的严重捏造,过度耸人听闻的点击诱饵,旨在被传统新闻网站转载的虚假新闻和模仿真实新闻但包含讽刺和荒谬的讽刺。例如,一般来说,新闻文章更有可能涉及严重的捏造,而社交媒体上的帖子则更多地涉及讽刺和恶作剧等幽默。我们还将描述导致人们形成或认可错误信息观点的认知、社会和情感因素(如直觉思维、虚假真相、来源线索、情绪等),以及错误信息被纠正后知识修正的心理障碍,包括纠正不整合、选择性检索和持续影响理论。

https://khuangaf.github.io/kdd-tutorial-2022/

摘要 目标受众及前提条件 大纲 背景和动机 假新闻检测 关于神经假新闻生成与检测的特别说明 假新闻描述 纠正错误信息和有偏见的新闻报道的行动 工业项目 结束语及未来方向 阅读列表

成为VIP会员查看完整内容
18

相关内容

【KDD2022教程】Transformers多模态数据分类,41页ppt
专知会员服务
84+阅读 · 2022年8月18日
专知会员服务
23+阅读 · 2021年9月21日
专知会员服务
27+阅读 · 2021年8月15日
专知会员服务
25+阅读 · 2021年8月7日
【AAAI2021】以事件为中心的自然语言理解,256页ppt
专知会员服务
73+阅读 · 2021年2月8日
专知会员服务
21+阅读 · 2021年2月6日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
94+阅读 · 2020年10月18日
从7个方面看人工智能的失败
学术头条
2+阅读 · 2022年3月28日
300页文本知识提取与推断最新教程
机器学习算法与Python学习
13+阅读 · 2018年8月28日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年10月4日
Arxiv
12+阅读 · 2020年8月3日
已删除
Arxiv
32+阅读 · 2020年3月23日
VIP会员
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员