一种用于 misinformation 检测的半监督框架
人工智能
2023-04-25 v1
摘要
社交媒体中错误信息的传播已成为普遍的社会问题，并是多种社会动荡的起因。遏制其泛滥至关重要，而机器学习已展现出显著前景。然而，将机器学习应用于此问题存在两大挑战。首先，尽管一方面过于普遍，错误信息实际上仅占社交媒体上所有帖子的很小比例。其次，标注训练有用分类器所需的大量数据变得不切实际。考虑到这些挑战，我们提出了一种简单的半监督学习框架，以应对极端类别不平衡，其相较于其他方法优势在于使用真实而非模拟数据来扩充少数类。我们在两组Covid相关Twitter数据上测试了我们的框架，与SMOTE、ADASYN或基于GAN的数据生成等简单经典和深度学习数据生成方法相比，在极端不平衡场景下F1-measure获得显著提升。
引用
@article{arxiv.2304.11318,
title = {A Semi-Supervised Framework for Misinformation Detection},
author = {Yueyang Liu and Zois Boukouvalas and Nathalie Japkowicz},
journal= {arXiv preprint arXiv:2304.11318},
year = {2023}
}