假新闻

摘要： 人类自有新闻传播活动以来,就一直与虚假新闻、有偿新闻、新闻敲诈等作斗争。这种斗争的结果不是使新闻事业萎缩,而是使新闻事业更具活力和生命力。社交媒体时代新闻传播生态剧变,假新闻、新闻敲诈有了更多的面具,它们的社会危害也如流行病一样疯狂蔓延。传统假新闻、新闻敲诈是一种职业现象,主要发生在职业新闻活动中,治理的手段是新闻道德规范和媒体行业整顿。媒介化社会假新闻、新闻敲诈变成一种复杂的社会现象。假新闻弥漫在整个数字空间,新闻敲诈可以在“线上”“线下”发生,行为主体牵涉到各种各样的人群,他们既有传统媒体人和职业媒体人,也有各种组织机构和普通公民。面对虚假新闻的泛滥和新闻敲诈的花样翻新,全社会需要认真对待、协同行动,建立起防范假新闻、新闻敲诈的防火墙。

摘要： 王辰瑶在《中国记者》2021年第9期撰文指出,数字时代,“新闻真实”正面临着新闻生产层面、新闻类型层面、新闻传播结构层面的多重新挑战,具体体现在以下几个方面:一是“深度伪造”等数字技术正在打破传统新闻生产对“经验事实”的把控;二是沉浸式“新闻改编”等新形态可能会混淆新闻真实性与真实感;三是去中心化的新闻生态可能使假新闻更易于扩散。

摘要： 自2005年起,印度的斯里瓦斯塔瓦集团假借欧洲非政府组织的身份,在欧洲炮制了几百家新闻网站,建立了庞大的媒体集团。这些媒体运用国际议程设置“接入点”,与政府、国际组织和政治家展开合作,依托其他权威媒体的转载以制造信息的合法性,制造假新闻并将信息反向渗透进了以西方为主导的国际传播秩序之中。印度媒体对国际议程设置接入点的运用准确且有效,但其假新闻传播矩阵有悖新闻伦理。这一案例反映出,在当前的国际传播秩序中,发展中国家媒体在国际传播领域长期“失声”,难以拥有话语权;假新闻的传播也加剧了印度媒体的信任缺失。印度的国际传播实践为发展中国家提供了借鉴:发展中国家的国际传播应把握国际议程设置“接入点”,但也要避免使用有违新闻伦理的方式,以免促成相反的效果。

摘要： 近年国际舆论场上假新闻不断,中国遭受国际假新闻抹黑的事例频发。造成国际假新闻的因素有很多,而信息战是国际假新闻规模化生产的发动机与助推器。国际假新闻随着媒介技术的发展和国际局势的演化不断升级,一战以来国际假新闻的历史可分为三个时期:一是两次世界大战中作为战争武器的国际假新闻,新闻真实成为服务战争的牺牲品;二是冷战以来作为意识形态斗争工具的国际假新闻,国家间的意识形态矛盾主导了国际假新闻的传播内容和影响方向;三是社交媒体时代作为计算宣传的国际假新闻,其表现形式更加隐蔽,背后隐藏着国际关系中的霸权结构与国家间的权力关系。在国际假新闻的历史嬗变中呈现出技术与宣传的双重合奏,国际假新闻的传播样态不断被技术重构,但宣传意图却始终存在于其内核之中,国际假新闻多是基于国家利益、意识形态和价值观等的主观选择。当前,以计算宣传为特征的国际假新闻是中国面临的新课题,它使中国面对的国际舆论环境更加复杂,中国在提倡全球治理框架下协同共治的同时需结合本国情况、利用技术手段开展防御和部署,并加强计算宣传中涉华舆论的研究,进行有针对性的回应。

摘要： 危害国家安全网络虚假信息以其编造主体的政治性、传播方式的宣传性、目标受众的明确性和影响效果的持续性特征,近年来已成为“假新闻”“计算宣传”和“认知战”的重要组成部分,在我国意识形态、网络信息、社会秩序和外部环境等方面形成了现实安全风险。治理危害国家安全网络虚假信息,建议从治理观念、信息内容、计算宣传、认知塑造和国际合作等方面制定具有针对性的治理对策,以最大限度抵御其对我国国家安全的危害。

摘要： 随着文本生成算法的快速发展,生成语句通顺、逻辑性强的新闻已经成为可能。但是人类检测机器生成新闻的能力是有限的,因此本文提出了RoBerta-BiLstm-Attention的检测框架,以实现机器生成新闻的自动检测。首先使用RoBerta的词嵌入表示新闻文本,RoBerta能很好的捕捉新闻的语义信息,提高词嵌入关联上下文的质量。然后将新闻的嵌入表示输入到BiLstm-Attention神经网络中。通过微调GPT2构建的机器生成新闻数据集进行了实验测试。实验表明本文提出的方法在检测解码策略是核采样和序列长度为125的机器生成新闻时,相比于目前最好的方法F1值和准确率都提升了近2%,召回率提升了5.56%。在检测解码策略是topK和序列长度为125的机器生成新闻时,无论是准确率和F1值都比目前最好的方法提高了4%左右。

摘要： 几年前,我曾经跟学生交流关于“后真相”的问题。记得当时我讲的主要观点是,在“人人都是记者”的移动互联网时代,一个新闻事件出来之后,人声鼎沸,众声喧哗,继而不断地出现新闻反转,让我们难以看清真相。虽然如此,只要没有外在对新闻传播的强制干预,假以时日,更多的事实会被披露出来,我们距离真相可能更近一点。

摘要： 根据中国新媒体发展报告(2015)显示接近60%的虚假新闻首发于微博,同时只有54。5%的中国网民对互联网的信息表示信任,可见数字技术与商业营销双重逻辑推演下,虚假新闻的在社交媒体平台泛滥已经严重损害了网民对网络信息的信任度。本文分为四个部分。第一部分讲述了假新闻在中国社交媒体环境中的泛滥现状;第二部分以中国国情为基础从技术、心理、经济和政治这四个角度分析假新闻在社交媒体平台上泛滥的原因;第三部分援引把关人理论和福柯的规训理论讨论治理假新闻方法;第四部分试图分析中国社交媒体环境下新闻业的未来挑战,以抑制假新闻的泛滥,推动社交媒体信息的健康传播。

摘要： 在新媒体时代,假新闻的危害不断扩大。新媒体时代“假新闻”呈现传播范围广、澄清难度高、伤害性大的新特征。媒体人缺乏职业能力和缺乏职业道德、媒体不良竞争及缺乏内外监管是假新闻产生的主要原因。从法律层面进行假新闻的治理需要在立法层面明确“假新闻”的范畴并加大处罚力度,在执法层面引入多元主体力量的参与,在司法层面建立便捷的诉讼机制和合理的举证职责。

摘要： 为儿女的你,是什么时候开始意识到父母已经老去的?当他们在陌生城市茫然无措,只能拉紧你的手的时候;当他们在朋友圈转发一些一眼就能看破的假新闻的时候;当他们沉迷于一些低价短途旅游,或是为了免费领鸡蛋花几个小时去听讲座的时候……盯上老年人的,不只有时光,还有诈骗分子。从免费鸡蛋、大米、挂面到包治百病的“神药”,从“地宫穴位”“墓地床位”到高端大气的养老项目,甚至还有“养老保险”“养老帮扶”等等,专门针对老年人的诈骗手段早已无孔不入,重新包装升级,其实就是盯上了老年人的“钱袋子”。

摘要： 本文通过对SSCI部分期刊内有关“假新闻”的文献做综述与分析,发现假新闻研究的三个核心内容:即假新闻与政治需要,假新闻与媒介伦理,假新闻与新闻核查,并根据假新闻的源起提出假新闻的治理.

摘要： 近年来，网络假新闻愈演愈烈、有禁不止，造成了极坏的影响，不仅引起网民的愤慨，也引起社会各界的关注。造成这一现象的原因是什么?怎样才能减少、避免网络新闻失实?本文对上述问题进行了探讨。

摘要： “纸馅包子”是今年国内最大的假新闻。在新闻界对这一事件进行反思的时候，科技新闻中由国外舶来的假新闻不能被忽视。在假新闻中，它们向来占有不小的比例。这类舶来的外国科技假新闻，不再是可以攻玉的“他山之石”，而成为对媒体造成破坏的“他山炸弹”，是国际科技新闻中的“纸馅包子”。

摘要： 本公开提供了一种虚假新闻判别模型的训练方法、虚假新闻判别方法及装置。该训练方法包括获取新闻训练样本集，其中，新闻训练样本集包括多个训练样本和与训练样本对应的标签数据，其中，训练样本包括异构图，异构图是根据与新闻相关的节点和节点关系生成的，节点包括分别对应于新闻内容、推广内容和用户信息的多个初始向量，节点关系包括根据与新闻对应的关联关系和关注关系生成的邻接矩阵；将新闻训练样本集中的训练样本输入异构图神经网络，输出预测结果；将预测结果和标签数据输入损失函数，得到损失结果；根据损失结果迭代地调整异构图神经网络的网络参数，生成经训练的虚假新闻判别模型。

摘要： 本发明提供一种虚假新闻识别模型构建方法、虚假新闻识别方法与装置。其中，虚假新闻识别模型构建方法包括：获取新闻数据集，提取新闻数据集中每条新闻对应的文本特征信息和图片特征信息，并将每条新闻对应的文本特征信息和图片特征信息进行联合操作，得到每条新闻对应的多模态特征，将所有新闻对应的该多模态特征输入初始虚假新闻识别模型中，并利用交叉熵损失和对比损失对初始虚假新闻识别模型进行联合训练，得到最终的虚假新闻识别模型。本发明通过将同一条新闻对应的图片特征信息和文本特征信息联合作为模型的输入来构建虚假新闻识别模型，并通过对交叉熵损失与对比学习损失的联合训练，提升了对虚假新闻检识别的准确度。

摘要： 本发明涉及一种基于新闻环境信息建模的虚假新闻检测方法，其特征在于：基于待检测新闻获取其发布前若干天内的新闻消息集合，将其作为宏观新闻环境；从新闻消息集合中提取与待检测新闻相似度最高的若干条新闻，将其作为微观新闻环境；基于待检测新闻向量与宏观新闻环境所有新闻元素向量的相似度计算宏观环境感知向量；基于待检测新闻向量和微观环境中心向量与微观新闻环境所有新闻元素向量的相似度计算微观环境感知向量，其中微观环境中心向量为微观新闻环境所有新闻元素向量的均值；获取虚假新闻检测器的对待检测新闻的新闻表示向量，将新闻表示向量与所述宏观环境感知向量和所述微观环境感知向量融合，并基于融合结合判断该待检测新闻的真假。

摘要： 本发明属于新闻检测领域，具体涉及一种基于新闻‑评论关联性分析的虚假新闻识别方法，包括：基于新闻中各文本子句内容构建二维新闻特征矩阵，以及根据各条评论的内容构建该条评论的一维特征向量，并将每条初始评论作为根节点、每条回复评论作为子节点构建多个评论树；将每个评论树中每个节点特征向量与其父节点上下文关联特征向量结合，计算该评论树中所有叶子节点上下文关联特征向量并加权计算，得到评论树特征向量，所有评论树特征向量构成二维评论特征矩阵；匹配新闻特征矩阵与评论特征矩阵间的关联性，得到新闻特征向量和评论特征向量，以判断新闻真实性。本发明充分利用新闻文本及其在传播过程中产生的信息，精确度强，适应大规模社交网络。

摘要： 本发明公开了英文新闻媒体报道的假新闻检测方法,包括以下步骤：一、建立新闻报道数据库，读取原始数据进行数据预处理，以正则化方式实施优化；二、提取数据库中优化后的新闻数据实施分类，将分类后的新闻数据择选出代表类型文件，通过预训练模型针对代表类型文件实施预训练任务，提取出主要特征；三、采用TFIDF技术评估代表类型文件，体现出某些字词的重要程度，同时该方面字词的重要性随着它在文件中出现的次数成正比增加，但也会随着它在语料库中出现的频率成反比下降；四、代表类型文件的参数共享层的深度学习神经网络和任务参数层的事件归一判别模型进行分类及判断。本发明能够提高新闻数据的检测识别精度，加强新闻真假性和政治立场判断效果。

摘要： 本发明提出一种基于领域和样例级别迁移的跨领域虚假新闻检测方法和系统，包括：获取多个源领域和一个目标领域的新闻数据，作为训练数据，基于该训练数据，通过元学习的方式训练得到泛化模型；基于该目标领域的新闻数据，执行掩码语言训练任务，训练掩码语言模型，得到用于进行迁移性度量的语言模型；在该源领域的新闻数据上计算语言模型的迁移性，根据该迁移性对该源领域的新闻数据进行加权；使用该目标领域的新闻数据和加权后的源领域的新闻数据引导该泛化模型适应目标领域，得到该目标领域的虚假新闻检测模型；通过该虚假新闻检测模型完成对该目标领域新闻的虚假检测。

摘要： 本发明公开了一种基于转发社交媒体用户表征的假新闻检测方法，本发明除了显示信息，还通过在整个社交网络中构建用户关系图来挖掘用户潜在特征。首先，使用所有用户之间的关系构建社交网络。其次，每个用户的嵌入表示是通过相邻用户和他们自己的属性在社交网络中学习的。然后，为每个新闻项目构建有效的用户序列，并使用该序列来学习新闻项目的表示。最后利用神经网络对新闻进行分类，得到最终的标签。本发明只需要新闻参与用户的信息，不依赖于语言或结构特征等信息。与这些更复杂的信息相比，用户个人资料信息的可用性、可靠性和稳健性也使本发明更加稳健和可推广。

摘要： 本发明涉及一种基于多表示学习的跨领域虚假新闻检测方法。本发明的技术方案为一种基于多表示学习的跨领域虚假新闻检测方法，获取待检测的新闻文本和该新闻文本所属的领域标签；将新闻文本输入BERT模型，提取新闻文本的词嵌入向量；将新闻文本的词嵌入向量和领域标签输入基于多表示学习的领域共享特征生成器，得到融合的领域共享特征表达；将融合的领域共享特征表达输入虚假新闻分类器，输出新闻真假分类的概率值结果。本发明适用于虚假新闻检测领域。本发明通过领域门模型学习领域之间的关系，根据不同的领域之间的关系动态调节不同领域对于不同的领域共享特征的权重，降低了领域共享知识的学习难度，提高了跨领域的虚假新闻检测能力。

摘要： 本发明涉及一种基于异质图对比学习的虚假新闻识别方法，包括以下步骤：1)构建关于新闻节点的虚假新闻异质图；2)获取新闻的文本特征信息F；3)构造基于新闻‑用户‑新闻以及新闻‑主题‑新闻两条元路径的子图；4)对于子图分别通过恒等变换得到第一组视图，通过随机结构变换得到第二组视图；5)对于两组视图通过图神经网络进行特征提取，分别得到对应的特征矩阵；6)通过对比学习与反向传播训练图神经网络GNN1与GNN2的参数，输入新闻节点的初始文本特征得到新闻节点特征；7)将得到的新闻节点特征作为多层感知机的输入并训练，进行虚假新闻识别。与现有技术相比，本发明具有适应于小样本标注、鲁棒性好、实用性高等优点。

摘要： 本发明公开了一种基于特征融合模型的虚假新闻检测方法，包括以下步骤：步骤1：获取待检测的新闻数据；步骤2：将获取到的新闻数据进行预处理，得到文本向量；步骤3：将文本向量输入至局部语义子网络模型中，得到新闻文本局部语义特征；步骤4：将文本向量输入至上下文语义子网络模型中，得到新闻文本上下文语义特征；步骤5：采用TF‑IDF算法提取新闻标题的关键词，获取新闻标题的关键词特征；步骤6：将新闻文本局部语义特征、新闻文本上下文语义特征以及新闻标题的关键词特征进行融合，得到待检测的新闻数据的融合文本表示；步骤7：将融合文本表示输入至分类器中对待检测的新闻数据进行分类，得到检测结果。