摘要
预定义的主题分类法可能会掩盖错误信息是如何产生、相互重叠以及随时间变化的。解决这一局限的一种方法是开发自下而上的、基于数据的方法，直接从数据中识别错误信息的相关内容。我们提出了一种流程：使用GraphRAG从新闻文章中提取实体和关系，通过Leiden算法识别信息社区，并利用这些信息来探索和预测错误信息。我们在一组包含专家定义的叙述性注释的罗马尼亚COVID-19疫情新闻文章上评估了该流程，并将提取提示适配为罗马尼亚语。探索性结果显示，在这类文章中，虚假新闻的图谱比真实新闻的图谱更加碎片化、模块化程度更低；虚假新闻图谱中包含更多的事件、虚假信息理论和疫苗相关实体，而真实新闻图谱则包含更多的地点、医院和公共卫生措施相关实体。在结合了真实和虚假新闻的图谱中，各个社区与预定义的超级叙述标签之间的对应关系较弱，这表明这两种表示方式对文章的分类方式不同。此外，对在真实与虚假新闻图谱中识别出的相似文章的专家审查表明，基于实体和社区的分析方法可能为识别复杂的错误信息策略提供有希望的途径。在预测任务方面，一个包含三个组件的集成模型利用图谱信息，将文章分类为虚假或真实的准确率达到了85.86%（宏观F1值，95%置信区间[78.50, 91.27]）和86.51%（95%置信区间[78.57, 91.27]）。这些初步结果表明，与不使用图谱相似性信号的模型相比，该模型有了一定程度的提升，尽管在目前样本量下这种提升并未获得统计学上的确认。综上所述，这些探索性结果展示了将GraphRAG作为工具用于支持错误信息探索和预测的流程中的潜力。
