一种启发式驱动的集成框架用于 COVID-19 假新闻检测
计算与语言
2021-01-12 v1 机器学习
摘要
过去几十年中，社交媒体的重要性成倍增加，因为它帮助世界上最偏远角落的人们保持联系。随着 COVID-19 大流行肆虐，社交媒体变得比以往任何时候都更加相关和广泛使用，与此同时，假新闻和推文的传播再度兴起，亟需立即关注。在本文中，我们描述了我们的假新闻检测系统，该系统自动识别与 COVID-19 相关的推文是“真实”还是“虚假”，作为 CONSTRAINT COVID19 英文假新闻检测挑战的一部分。我们使用了由预训练模型组成的集成模型，帮助我们在排行榜上获得并列第 8 名。我们取得了 0.9831 的 F1 分数，而最高分为 0.9869。竞赛结束后，我们通过引入一种基于推文中用户名句柄和链接域名的新型启发式算法，大幅改进了我们的系统，取得了 0.9883 的 F1 分数，并在给定数据集上达到了最先进的结果。
引用
@article{arxiv.2101.03545,
title = {A Heuristic-driven Ensemble Framework for COVID-19 Fake News Detection},
author = {Sourya Dipta Das and Ayan Basak and Saikat Dutta},
journal= {arXiv preprint arXiv:2101.03545},
year = {2021}
}
备注
Accepted to CONSTRAINT Workshop, AAAI'21