基于大语言模型的假新闻检测混合注意力框架
计算与语言
2025-01-22 v1
摘要
随着在线信息的快速增长，假新闻的传播已成为严重的社会挑战。本研究提出了一种新颖的检测框架，基于大语言模型(LLM)识别和分类假新闻，通过整合文本统计特征和深层语义特征实现。我们的方法利用大语言模型的上下文理解能力进行文本分析，引入混合注意力机制以聚焦于假新闻识别特别重要的特征组合。在 WELFake 新闻数据集上进行的广泛实验表明，我们的模型在 F1 分数上显著优于现有方法，提升了 1.5%。此外，我们通过注意力热图和 SHAP 值评估了模型的可解释性，为内容审核策略提供了可操作的见解。我们的框架提供了应对假新闻传播的可扩展且高效的解决方案，有助于构建更可靠的在线信息生态系统。
引用
@article{arxiv.2501.11967,
title = {A Hybrid Attention Framework for Fake News Detection with Large Language Models},
author = {Xiaochuan Xu and Peiyang Yu and Zeqiu Xu and Jiani Wang},
journal= {arXiv preprint arXiv:2501.11967},
year = {2025}
}