社交媒体的兴起使内容创造民主化,使任何人都可以轻松地在网上分享和传播信息。从积极的一面来看,这促成了公民新闻的产生,从而使信息的传播比报纸、广播和电视更快。消极的一面是,剥夺了传统媒体的把关角色,使公众对虚假信息的传播失去了保护,这些虚假信息现在可以通过同样的民主渠道以爆炸性新闻的速度传播。这种情况导致专门为影响个人信仰并最终影响政治选举等重大事件而制造的虚假信息泛滥;它也开启了“后真相时代”的曙光,在这个时代,情绪的吸引力比真相更重要。最近,随着COVID-19大流行的出现,医疗和政治错误信息和虚假信息的新的混合导致了第一次全球信息流行病。限制这些负面发展的影响已经成为记者、社交媒体公司和监管当局的一个主要焦点。本教程概述了新兴和相互关联的研究领域,包括事实核查、错误信息、虚假信息、“假新闻”、宣传和媒体偏见检测,重点关注文本和计算方法。我们探索了一般的事实核查渠道及其重要元素,如核查价值估计、发现先前事实核查的声明、立场检测、来源可靠性估计、文本和模因中说服/宣传技术的检测,以及检测社交媒体中的恶意用户。最后,我们将介绍大规模的预训练语言模型,以及它们所带来的挑战和机遇。为了理解本教程的大部分内容,需要有自然语言处理、机器学习和深度学习的先验知识。。
https://shengminjin.github.io/tutorials/www2022