一种用于假新闻检测与分类的深度集成框架
计算与语言
2018-11-13 v1
摘要
假新闻、谣言、错误信息与不实信息的检测是当今的关键问题，因为这些可能对我们的社会结构造成严重后果。由于包括社交媒体推送、新闻博客、在线报纸等在内的海量网络信息源的可及性，此类信息的传播速率正在迅速增长。本文中，我们开发了多种深度学习模型用于检测假新闻并将其分类至预定义的细粒度类别。首先，我们基于卷积神经网络（CNN）与双向长短期记忆（Bi-LSTM）网络构建模型。由这两种模型获得的表示被输入多层感知机模型（MLP）以进行最终分类。我们在基准数据集上的实验取得了 promising 的结果，总体准确率达 44.87%，优于当前最优方法。
引用
@article{arxiv.1811.04670,
title = {A Deep Ensemble Framework for Fake News Detection and Classification},
author = {Arjun Roy and Kingshuk Basak and Asif Ekbal and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:1811.04670},
year = {2018}
}
备注
6 pages, 1 figure, accepted as a short paper in Web Intelligence 2018 (https://webintelligence2018.com/accepted-papers.html), title changed from {"Going Deep to Detect Liars" Detecting Fake News using Deep Learning} to {A Deep Ensemble Framework for Fake News Detection and Classification} as per reviewers suggestion