利用“注意力”机制检测信息时代中的不可靠新闻

不可靠新闻是指任何虚假或误导性的信息，其被蓄意传播以推广政治、意识形态和财务议程。近来，随着利用新闻和社交媒体渠道进行宣传的实例迅速增加，不可靠新闻问题受到了大量关注。这对社会构成了严重威胁，亟需能够自动且可靠地识别不可靠新闻源的技术。本文朝此方向做出努力，构建用于检测不可靠新闻文章的系统中。在本文中，我们构建并评估了多种 NLP 算法在 Unreliable News Data 2017 数据集上的表现。我们提出了层次化注意力网络（HAN）的变体，用于对新闻文章进行编码和分类，取得了 0.944 ROC-AUC 的最佳结果。最后，我们对注意力层权重进行可视化，以理解并洞察 HAN 所做的决策。所得结果非常有前景且令人鼓舞，可在现实世界中部署和使用这些系统以缓解不可靠新闻问题。