社交媒体越来越多地用于传播假新闻。在资本市场上也会发现同样的问题-分子散布有关公司的虚假消息，以操纵股价。哥廷根大学和法兰克福大学以及卢布尔雅那的JožefStefan研究所的研究人员已经开发出一种方法，即使反复修改新闻内容，它也可以识别此类虚假新闻。研究结果发表在《信息系统协会杂志》上。

为了检测虚假信息，例如从正面反映公司的虚假数据，科学家使用了机器学习方法，并创建了分类模型，这些模型可用于根据其内容和某些语言特征来识别可疑消息。哥廷根大学的Jan Muntermann教授说：“在这里，我们要研究构成信息的文本的其他方面，例如语言的可理解性和文本所传达的情绪。”

从原理上来说，例如通过垃圾邮件过滤器的使用已经知道了该方法。但是，当前方法的关键问题是，欺诈者为了避免被识别，会不断修改内容并避免使用某些词来标识假新闻。这是研究人员采用新方法的目的：尽管采用了逃避检测策略，但仍要识别假新闻，该方法结合了研究人​​员最近开发的模型，从而将高检测率和鲁棒性结合在一起。因此，即使“可疑”字词从文本中消失了，虚假新闻仍然被其语言特征所认可。Michael Siering博士解释说：“这使骗子陷入了困境。只有当他们改变文本的语气以使其为负面时，他们才能避免被发现。” “但是，他们会错过诱使投资者购买某些股票的目标。”

可以在市场监视中使用这种新方法，例如暂时中止受影响股票的交易。此外，它还为投资者提供了宝贵的信息，以避免陷入此类欺诈计划。将来也有可能将其用于刑事诉讼。