面向假新闻检测的自适应交互融合网络
计算与语言
2020-04-22 v1 计算机与社会
信息检索
摘要
现有假新闻检测方法大多普遍关注于学习与融合多种特征以进行检测。然而，各种特征的学习是相互独立的，这导致社交媒体上特征之间（尤其是帖子与评论之间）缺乏跨交互融合。通常，在假新闻中，帖子与评论之间存在情感关联与语义冲突。如何表征并融合二者之间的跨交互是一个关键挑战。本文提出自适应交互融合网络（AIFN）以实现假新闻检测中特征间的跨交互融合。在AIFN中，为发现语义冲突，我们设计了门控自适应交互网络（GAIN）以自适应地捕获帖子与评论之间相似语义与冲突语义。为建立特征关联，我们设计了语义级融合自注意力网络（SFSN）以增强特征间的语义相关性与融合。在RumourEval与PHEME两个真实世界数据集上的大量实验表明，AIFN取得了最先进的性能，准确率分别提升了2.05%与1.90%以上。
引用
@article{arxiv.2004.10009,
title = {Adaptive Interaction Fusion Networks for Fake News Detection},
author = {Lianwei Wu and Yuan Rao},
journal= {arXiv preprint arXiv:2004.10009},
year = {2020}
}
备注
Accepted at the 24th European Conference on Artificial Intelligence (ECAI 2020)