网络分析改进不可靠新闻检测

研究人员通过分析Telegram上的URL共享模式，开发了一种检测不可靠新闻域名的新方法。他们构建了一个域名共现网络，揭示出不可靠和可靠新闻域名倾向于分开聚类。与不考虑网络的基线方法相比，图神经网络（GNN），特别是GraphSAGE，表现出更优越的性能，准确率相对提高了13-14%。这种方法即使在内容分析具有挑战性的情况下也证明是有效的，突显了网络拓扑在评估新闻可靠性方面的效用。 AI

影响 这项研究通过利用网络结构，为打击虚假信息提供了一种新颖的方法，有可能提高检测系统对抗AI生成虚假内容的鲁棒性。

排序理由 该集群包含一篇学术论文，详细介绍了一种使用网络分析检测不可靠新闻的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• DagsHub
• Giordano De Marzo
• Graph Neural Networks
• GraphSAGE
• Hugging Face
• Multi-Layer Perceptrons
• Telegram

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →