一种领域无关的欺骗检测整体方法
社会与信息网络
2021-11-23 v1
摘要
文本中的欺骗在不同领域可表现为不同形式，包括假新闻、谣言推文和垃圾邮件。无论领域如何，欺骗文本的主要意图都是欺骗读者。尽管存在特定领域的欺骗检测，领域无关的欺骗检测可提供整体图景，这对于理解文本中欺骗如何发生至关重要。在本文中，我们使用深度学习架构在领域无关设定下检测欺骗。我们的方法以93.42%的总体准确率和93.22%的F1分数超越了大多数基准数据集的最先进（SOTA）性能。领域无关训练使我们能够捕捉欺骗性写作风格中更细微的差别。此外，我们分析了领域内数据在多大程度上可能有助于准确检测欺骗，特别是对于可能不易获得训练数据的情况。我们的结果和分析表明，文本之间可能存在独立于领域的普遍欺骗模式，这可开创一个新的研究领域并为欺骗检测领域开辟新途径。
引用
@article{arxiv.2111.10711,
title = {A Domain-Independent Holistic Approach to Deception Detection},
author = {Sadat Shahriar and Arjun Mukherjee and Omprakash Gnawali},
journal= {arXiv preprint arXiv:2111.10711},
year = {2021}
}