基于情感编码和带自注意力的半监督假新闻检测
人工智能
2024-07-30 v1 机器学习
摘要
微博客和网络空间社交网络是获取和分享新闻的主要通信媒介。然而，作为副作用，网络可以传播虚假新闻，这会损害个人和社会。开发了多种方法来检测虚假新闻，但大多数方法需要大量手动标记的数据才能实现应用水平的准确性。由于严格的隐私政策，所需数据常常不可获取或仅限于特定主题。另一方面，社交媒体上的非标记数据非常多样且丰富，表明仅凭少量标记数据，就可以在半监督学习中解决虚假新闻检测问题。本文提出了一种半监督自学习方法，其中通过某些最先进的预训练模型获得情感分析。我们的学习模型以半监督方式进行训练，并包含LSTM和自注意力层。我们在包含20,000篇新闻内容及其反馈的数据集上对我们的模型进行基准测试，显示在精确率、召回率和其他指标方面优于假新闻检测中具有竞争力的方法。
引用
@article{arxiv.2407.19332,
title = {A Semi-supervised Fake News Detection using Sentiment Encoding and LSTM with Self-Attention},
author = {Pouya Shaeri and Ali Katanforoush},
journal= {arXiv preprint arXiv:2407.19332},
year = {2024}
}