一种面向社交网络 misinformation 核查的模态级可解释框架
机器学习
2022-12-09 v1 人工智能
计算与语言
社会与信息网络
摘要
虚假信息的广泛传播已成为全球范围内备受关注且具重大社会影响的问题，催生了事实核查组织以缓解错误信息的传播。然而，人工驱动的核查是一项耗时任务，并且难以以信息涌现的同等速度提供已核查的可信信息，从而形成瓶颈。由于错误信息不仅与内容本身相关，也与其他社会特征相关，本文从多模态视角解决社交网络中的自动错误信息核查问题。此外，由于简单地将一则新闻标记为不正确可能无法说服公众，甚至更糟地强化确认偏误，本方案提出一种模态级易于解释的易错信息分类器框架。我们的框架包含一个由可解释方法辅助的错误信息分类器，以生成面向模态的可解释推断。初步结果表明，错误信息分类器确实受益于多模态信息编码，且面向模态的可解释机制提升了推断的可解释性与完整性。
引用
@article{arxiv.2212.04272,
title = {A Modality-level Explainable Framework for Misinformation Checking in Social Networks},
author = {Vítor Lourenço and Aline Paes},
journal= {arXiv preprint arXiv:2212.04272},
year = {2022}
}
备注
Accepted to publication at LatinX in AI workshop at the Thirty-sixth Conference on Neural Information Processing Systems, LXAI @ NeurIPS 2022