-
题名社交媒体虚假信息检测研究综述
- 1
-
-
作者
陈静
周刚
李顺航
郑嘉丽
卢记仓
郝耀辉
-
机构
信息工程大学数据与目标工程学院
-
出处
《计算机科学》
CSCD
北大核心
2024年第11期1-14,共14页
-
基金
国家自然科学基金面上项目(62172433)
河南省科技攻关项目(222102210081)
河南省软科学研究项目(202400410084)。
-
文摘
社交媒体上的虚假信息不仅危害网络空间安全,还在重大事件中扮演着关键角色,严重误导公众,对政治和社会秩序造成负面影响。为此,围绕面向社交媒体的虚假信息检测技术研究展开综述,为构建高效检测技术和遏制社交媒体虚假信息泛滥奠定理论基础。首先,深入剖析虚假信息的内涵本质,探讨其在社交平台上的产生机理、具体表现形式,并界定检测任务的基础框架与目标;其次,从语义一致性视角出发,专注内容语义、社交上下文感知和知识驱动三大层面,对比梳理典型检测方法;在此基础之上,深入探究增强检测算法可解释性最新研究成果;进一步,从对抗博弈视角,深度剖析当前社交媒体虚假信息检测任务面临的挑战以及大型语言模型为虚假信息检测技术研究带来的机遇;最后,对社交媒体虚假信息检测技术未来的发展进行了展望。
-
关键词
虚假信息检测
跨模态关联
社交上下文感知
知识驱动
大语言模型
-
Keywords
Fake news detection
Cross-modal correlation
Social context awareness
Knowledge-driven
Large language model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名文本中事件因果关系识别与应用技术综述
- 2
-
-
作者
李顺航
周刚
卢记仓
李志博
黄宁博
陈静
-
机构
战略支援部队信息工程大学
数字工程与先进计算国家重点实验室
-
出处
《中文信息学报》
CSCD
北大核心
2024年第9期1-23,共23页
-
基金
河南省科技攻关计划项目(222102210081)
河南省自然科学基金(222300420590)。
-
文摘
事件因果关系是一类重要的逻辑关系,其揭示了事件发展的动因与规律。通过自然语言处理技术对事件之间蕴含的因果关系进行识别,能够帮助形成事件因果知识库,进而促进诸如事件预测、智能问答等下游任务性能提升与可解释性增强,具有重要理论与实践价值。基于此,该文围绕事件因果关系识别与应用展开综述。首先,介绍文本中事件因果关系、因果关系识别等基本概念与任务定义,明确研究范畴;随后,总结归纳因果关系识别任务常用数据集与评测指标,并对典型评测数据集进行探索分析,进而充分挖掘任务固有难点;然后,按照基于规则挖掘、基于特征工程和基于深度学习三个类别对因果关系识别相关模型与方法进行划分,并给出系统阐释、对比和总结,并对事件因果关系支撑的下游应用场景与方法进行了概述,进一步说明了事件因果关系的重要应用价值;最后,针对文本中事件因果关系识别任务的现有挑战和未来技术方向进行了讨论与展望。
-
关键词
因果关系识别
自然语言处理
深度学习
数据增强
知识提升
-
Keywords
event causality identification
natural language processing
deep learning
data augmentation
knowledge enhancement
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
