COVID-19 misinformation综述：数据集、检测技术与开放问题
社会与信息网络
2022-08-05 v2
摘要
在COVID-19等大流行情况下，社交媒体及其他平台上的错误信息正迅速增长。这种错误信息的快速增长对社会中人们的生活产生不利影响。研究人员正尽力利用基于机器学习（ML）、深度学习（DL）和自然语言处理（NLP）的不同方法来缓解该问题。本综述旨在研究近期文献中COVID-19错误信息检测的不同方法，以助该领域研究者。更具体地，我们回顾了其在研究中用于COVID-19错误信息检测的不同方法，并概述数据预处理与特征提取方法以更好理解其工作。我们还总结了可用于进一步研究的现有数据集。最后，我们讨论了现有方法的局限性，并强调了沿此维度对抗大流行期间错误信息传播的一些潜在未来研究方向。
引用
@article{arxiv.2110.00737,
title = {A Survey of COVID-19 Misinformation: Datasets, Detection Techniques and Open Issues},
author = {A. R. Sana Ullah and Anupam Das and Anik Das and Muhammad Ashad Kabir and Kai Shu},
journal= {arXiv preprint arXiv:2110.00737},
year = {2022}
}
备注
43 pages, 6 figures