在一項發表於UNLP 2026會議的研究中，來自烏克蘭的研究團隊提出了一種基於圖的框架，用於檢測和分析Telegram生態系統中的虛假資訊敘事。該研究聚焦於俄羅斯和烏克蘭的Telegram頻道，旨在揭示虛假資訊如何在這些平臺上擴散和協調傳播。
傳統的虛假資訊檢測方法通常依賴於單篇帖子分析，但難以捕捉跨頻道、大規模協調的敘事放大，尤其是在資訊快速演變和多語言環境下。為此，研究團隊將弱監督學習與傳播圖分析相結合，開發了一種創新的方法。該方法首先利用自然語言處理技術將語義上相關的宣告聚合為敘事級別的聚類，然後透過圖結構建模這些聚類在不同頻道之間的傳播路徑。這種基於圖的視角允許研究人員識別出那些看似獨立但實際上協同放大的行為模式。
該框架的核心優勢在於其整合了文本訊號與網路結構資訊。透過分析敘事在頻道間的流動模式，模型能夠檢測出傳統方法難以發現的協調放大行為。實驗結果表明，該框架不僅提高了檢測的準確性，還為理解虛假資訊在大型訊息環境中的傳播機制提供了新的洞察。此外，該框架具有良好的可擴充套件性，能夠適應不同語言和平臺，為大規模虛假資訊監測提供了可行的解決方案。
研究還指出，未來工作將包括最佳化圖譜構建演算法以提升效率，以及探索在即時場景下的應用。該論文由Yuliia Vistak等四位作者完成，已被UNLP 2026會議接收，論文全文可在arXiv上獲取（arXiv:2607.11894）。