XiaoMi-AI文件搜索系统
World File Search System假新闻
重温 CP Snow 的假新闻时代两种文化
本文旨在从信息技术的文化主导地位角度重新审视 CP Snow 的“两种文化”讲座。信息时代的传播危机，无论是虚假新闻、政治两极分化还是科学否定，都是因为科学和文学文化在寻求一个没有熵的世界时，无意中发现了一个毫无意义的世界。为了解释这种情况是如何发生的，本文首先探讨了 Snow 面临的挑战：描述热力学第二定律。然后，本文对熵进行了中性的描述，这种描述与热力学和信息无关，而不仅仅是对无序、不确定性、混乱、扩散、复杂性或涌现等更直观事物的度量。最后，本文认为，Snow 建议每个人都应该能够描述第二定律，这是现在的及时做法，因为熵是信息与现实之间的桥梁，也是科学与科幻小说之间的区别。
假新闻态度识别：
我们生活在一个可以通过互联网获取大量信息的世界，但我们获取的信息并非都是真实的。宣传、错误信息和虚假信息在历史上一直被用来影响舆论。(Lazer 等人，2017 年)。与虚假新闻相关的问题往往伴随着人们倾向于在任何网站或社交网站上搜索新闻，而不是在机构和/或认证网站上搜索新闻。虚假新闻会对人们的行为产生巨大的重要影响，它们可能成为国家间冲突的武器。认知战 (CogWar) 是一个非常重要的问题，因为它专注于影响人类的认知过程，从而影响他们的行为。尽管技术可以监控新闻趋势并识别真实新闻和虚假新闻，但对于用户的个人特征及其与新闻的关系仍然知之甚少。我们的研究旨在分析最有可能相信假新闻的行为和性格特征，以减轻错误信息的现象和影响，从而减轻 CogWar 的影响。具体来说，我们研究了基于相信假新闻的倾向的视觉注意力和尽责程度、开放性和情绪稳定性的变化。我们在观察假新闻和真实新闻时采用了内隐反应时间 (IRT) 和视觉行为 (眼动仪) 来进行这项研究。结果表明，当人们相信假新闻时，他们的尽责程度会降低，而会更加关注新闻故事的视觉元素 (图像)。相反，当人们能够识别假新闻时，他们会更加尽责，会首先查看新闻来源，而不是之前的新闻。
将虚假数据转化为虚假新闻：人工智能训练成为虚假信息的特洛伊木马
† 我们与 ChatGPT（2023 年 3 月 23 日版本）合作撰写了这篇文章。我们这样做的部分原因是为了研究学者和人工智能如何合作创作学术论文。虽然该系统对文本做出了重大贡献，但我们根据主要科学出版商 Springer Nature 的建议将其从作者名单中删除。请参阅 ChatGPT 等工具威胁透明科学；以下是我们使用它们的基本规则，613 N ATURE 612（2023 年），https://www.nature.com/articles/d41586-023-00191-1 [https://perma.cc/5VHC-ST6N]（“没有 LLM 工具会被接受为研究论文的署名作者。这是因为任何作者归属都伴随着对工作的责任，而人工智能工具不能承担这样的责任。”）。撰写这篇文章在一定程度上是对一种新形式学术创作的实验。因此，我们上述描述的过程可能无意中遗漏了同事发表的一些作品。我们恳请他们原谅我们实验性写作方法造成的任何遗漏。尽管如此，我们还是尝试在实验范围内尽可能地纳入相关参考资料。实现此目标的一种策略是将我们文章的早期草稿发布在 SSRN 上供任何人审阅。
使用机器学习的假新闻检测的立场分类
摘要：如今可用的各种资源和应用程序使新闻快速增长；这使人们能够分享他们的意见，文章，新闻等。;不管他们拥有的真相百分比如何，这都使人们相信，为此目的，自动锅或假用户可以通过社交媒体和新闻平台发布或发布许多新闻。假新闻检测（FND）是二进制分类任务；这表明新闻是否正确，这涉及预测某些新闻文章被设计为具有欺骗性的概率。通常，出于政治和财务目的而产生的假新闻，例如影响总统选举或操纵股票市场。尽管已经进行了许多研究以将新闻视为虚假新闻，但对以阿拉伯语编写的新闻的信誉的评估仍处于早期阶段。在过去几年中，阿拉伯语的FND开始了更多的兴趣，许多检测方法具有某种能力，可以在多个数据集中检测假新闻。然后对有效检测模型的兴趣一直在增长；具体而言，用阿拉伯语却落后于其他语言的作品。在本文中，我们使用了深度学习模型，并应用了卷积神经网络和长期的短期记忆（CNN-BILSTM），并优化了随机梯度下降（SDG）；到称为AFND的阿拉伯语可访问数据集；指的是阿拉伯假新闻检测。我们基于现有的AFND数据集的实验结果表明了令人鼓舞和良好的性能；当我们达到87.7％的准确性时。或仅暗示。我们评估将假新闻视为分类问题之一的问题；即，我们的目标是将给定的新闻分类为可信或不可信；通常以可信度和质量的意义来定义信誉。关键字：假新闻检测，深度学习，双向长期记忆，卷积神经网络介绍，互联网已成为我们生活方式不可或缺的一部分。任何人都可以发表任何可以通过社交网络消费的内容的内容；随着传统信息频道的角色（例如报纸和电视节目如何收集和消费新闻）变得不那么突出，例如在“阿拉伯之春”中；社交媒体平台有至关重要的理由传播新闻和谣言，它被用作2011年阿拉伯世界各个革命的不同方面之间的交流工具。因此，许多科学家和专家一直致力于研究假新闻现象。通过提供解决方案来检测与事实现实不相容的假误导性信息（Gabrielle等，2022）。fnd是立场检测问题的一种部分形式；由于立场检测被定义为与社交媒体分析，信息检索和自然语言处理相关的问题，该问题的重点是检测一个从其已发表的文本中检测到一个人的态度，to诸如思想，概念或事件（例如在已公开的文本或隐含文本中明确编写）的特定目标。dl是机器学习的一部分，用于通过应用具有多层的人工神经网络来建模和解决复杂问题。最近，对确定这种现象的有效检测技术的兴趣一直非常快，许多模型在机器学习算法方面在所有数据集中都表现出色。特别是基于深度学习的方法。它涉及使用需要大量数据才能有效训练的算法，并且可以
人工智能与虚假新闻：巴基斯坦的犯罪问题
本文探讨了巴基斯坦和沙特阿拉伯人工智能生成的虚假新闻的犯罪方面，重点关注虚假信息通过社交媒体平台迅速传播所带来的挑战。本文评估了这些国家现行法律和监管框架在威慑和惩罚那些使用基于人工智能的技术制作和传播虚假新闻的人方面的有效性。通过审查巴基斯坦和沙特阿拉伯现有的法律规定，本文强调需要改进这些框架，以应对人工智能在生成虚假新闻方面的日益增长的使用。本文的结论是，需要更具体和详细的法律定义、更强大的执法机制以及政府机构和民间社会团体之间加强合作，以有效打击人工智能生成的虚假新闻，同时保护言论自由。此外，通过媒体素养和批判性思维运动提高公众意识对于建设一个更加知情和有韧性的社会至关重要。
虚假新闻及其对经济和社会的影响分析
Tiwari, Siddhartha Paul 和 Rajat K. Baisya。“电子政务及其对企业竞争力的影响：趋势、现状和挑战。”MDI，古尔冈印度与南澳大利亚大学澳大利亚亚洲商业中心联合出版，澳大利亚阿德莱德 1（2014 年）。
虚假新闻与外国直接投资流入
摘要 1 CHD 三角——资本主义、人类和数字化被视为吸引外国直接投资的关键方面。CHD 三角中建立的系统、人力和技术因素的协同作用重新定义了外国直接投资的模式。如今，它们不再仅仅由国际投资者创造，而是在投资者与政府和当地居民的互动中发展起来的。了解到虚假新闻能够影响人类的态度和行为，本研究的目的是分析虚假新闻是否会抵消 CHD 三角三个关键方面的积极影响，并对国家吸引 FDI 的努力产生负面影响。采用跨学科方法，以 FDI 对其国内生产总值贡献百分比高于平均水平的欧洲国家为样本，分析了 CHD 三角关键要素的存在以及虚假新闻的存在和影响。根据文件分析，如果 CHD 三要素的所有支柱都存在于试图吸引外国直接投资的国家，则尚未发现虚假新闻对 FDI 流入产生相关影响。
新媒体技术、虚假新闻和虚假信息
摘要：值得注意的是，虚假新闻这一术语首次使用是在 19 世纪 80 年代，当时耸人听闻的报纸故事占据了新闻头条。尽管该术语没有单一的定义，但它的含义很广泛，尽管它没有固定的含义。虚假信息可以指任何类型的不真实的信息。此外，也有一些知名人士用它来描述他们收到的任何负面新闻。此外，虚假信息还涉及传播虚假信息，意图对个人或组织造成伤害。虚假信息的传播，尤其是在选举期间，通常是由敌对的外国行为者进行的，他们的目的是通过传播虚假信息造成伤害。有些讽刺文章看似真实，但总体上被认为是虚假新闻。除了耸人听闻或点击诱饵标题外，还有一些文章不依赖任何支持证据，标题也是耸人听闻或点击诱饵。虚假新闻有多种形式，这就是为什么研究人员一直建议使用“信息混乱”一词作为中性且信息丰富的术语来描述这种情况，因为虚假新闻有多种形式。本文的目的是研究与虚假新闻和新媒体技术在媒体世界中的使用相关的监管方面。本文还旨在探讨政府机构起草的政府政策方法如何以及为何反映了机构自己起草的政策方法的趋同概念。就国际电信政策而言，毫无疑问，它涉及确定用于打击虚假新闻的议程这一根本问题，这显然是一个非常重要的问题。对于电信政策领域来说，这是需要回答的最重要的问题之一。本文将采用探索性案例研究方法，评估全球虚假新闻和新媒体技术政策。
比较 SVM 和朴素贝叶斯分类器对虚假新闻的识别......
由于科技的飞速发展，人们可以快速轻松地获取信息和新闻。浏览网站、博客和社交媒体可以在几分钟内访问该消息。然而，复杂的信息技术是一把双刃剑。一方面，它帮助人们方便地消费最新的新闻，另一方面，公众消费的许多新闻是尚未知晓的假新闻。新闻中的错误信息给多方造成了伤害。最常见的假新闻包括疫情新闻、股票交易所，尤其是最近俄罗斯和乌克兰之间战争的新闻。在短时间内，大量假新闻流传，可能引发对战争的更大影响。一项分析发现，随着时间的推移，假新闻不断增加（Zhou et al.，2019）。因此，检测假新闻