基于深度学习的多策略框架虚假新闻检测
计算与语言
2023-02-03 v1 密码学与安全
机器学习
摘要
连通性在现代社会中扮演着日益重要的角色，世界各地的人们都能便捷地获取快速传播的信息。然而，互联程度更高的社会也助长了蓄意虚假信息的传播。为减轻假新闻的负面影响，改进检测方法至关重要。本工作提出多策略声明核查器（MPSC），一种利用深度学习技术分析声明本身及其相关新闻文章、预测其看似可信或可疑的自动化假新闻检测框架。所提框架使用四个合并的包含真实与虚假新闻的数据集进行评估。训练了长短期记忆（LSTM）、门控循环单元（GRU）和来自 Transformers 的双向编码器表示（BERT）模型以利用词汇与句法特征，并对其性能进行了评估。所得结果表明，多策略分析能可靠识别可疑声明，这有利于虚假新闻检测。
引用
@article{arxiv.2206.11866,
title = {A Multi-Policy Framework for Deep Learning-Based Fake News Detection},
author = {João Vitorino and Tiago Dias and Tiago Fonseca and Nuno Oliveira and Isabel Praça},
journal= {arXiv preprint arXiv:2206.11866},
year = {2023}
}
备注
10 pages, 1 table, 3 figures, DCAI 2022 conference