数据集概述
本数据集为《SoK: Machine Learning for Misinformation Detection》的配套标注与复现材料，包含论文语料标注、论文筛选标准文档及三个复现分析子文件夹，覆盖文章、用户、来源三类错误信息检测场景的数据集与代码。
文件详解
- 标注文件:
- annotations_aec.tsv: TSV格式文件，包含248篇已发表论文的标注数据，字段包括论文ID、年份、作者、标题、发表场所、研究范围、检测目标、数据集构建、模型选择、特征选择、评估方法等
- 文档文件:
- paper_selection_criteria.txt: TXT格式文件，记录论文筛选标准，基于原论文第3、5、6页内容
- 复现材料压缩包:
- replications.zip: ZIP格式压缩包，含三个子文件夹
- articles（对应原论文5.1节）: 含路透社、纽约时报文本及标签，FA-KES、ISOT数据集，分类器代码new_RNN_CNN.py
- users（对应原论文5.2节）: 含 troll/非troll账户统计数据及标签，原研究分类器代码
- sources（对应原论文5.3节）: 含数据集分割文件、分类器代码及原作者使用的数据集
适用场景
- 错误信息检测研究: 复现不同检测场景（文章、用户、来源）的机器学习模型效果
- 论文计量分析: 基于标注数据研究错误信息检测领域的研究趋势
- 模型鲁棒性测试: 利用articles文件夹中的新数据集测试分类器泛化能力
- 学术复现实践: 作为机器学习论文复现的教学或研究案例
