在一项发表于UNLP 2026会议的研究中，来自乌克兰的研究团队提出了一种基于图的框架，用于检测和分析Telegram生态系统中的虚假信息叙事。该研究聚焦于俄罗斯和乌克兰的Telegram频道，旨在揭示虚假信息如何在这些平台上扩散和协调传播。
传统的虚假信息检测方法通常依赖于单篇帖子分析，但难以捕捉跨频道、大规模协调的叙事放大，尤其是在信息快速演变和多语言环境下。为此，研究团队将弱监督学习与传播图分析相结合，开发了一种创新的方法。该方法首先利用自然语言处理技术将语义上相关的声明聚合为叙事级别的聚类，然后通过图结构建模这些聚类在不同频道之间的传播路径。这种基于图的视角允许研究人员识别出那些看似独立但实际上协同放大的行为模式。
该框架的核心优势在于其整合了文本信号与网络结构信息。通过分析叙事在频道间的流动模式，模型能够检测出传统方法难以发现的协调放大行为。实验结果表明，该框架不仅提高了检测的准确性，还为理解虚假信息在大型消息环境中的传播机制提供了新的洞察。此外，该框架具有良好的可扩展性，能够适应不同语言和平台，为大规模虚假信息监测提供了可行的解决方案。
研究还指出，未来工作将包括优化图谱构建算法以提升效率，以及探索在实时场景下的应用。该论文由Yuliia Vistak等四位作者完成，已被UNLP 2026会议接收，论文全文可在arXiv上获取（arXiv:2607.11894）。