面向假新闻检测的自动化证据收集

社交媒体平台上的假新闻、错误信息与无法核实的事实会传播不和谐并影响社会，尤其是在应对如 COVID-19 这类流行病时。假新闻检测任务旨在通过将给定的新闻条目分类为虚假或真实来应对此类错误信息的影响。在本文中，我们提出了一种新颖的方法，通过为每个声明自动收集证据，改进了当前的自动化假新闻检测方法。我们的方法从网络文章中提取支撑证据，然后筛选出适当的文本作为证据集。我们在这些证据集上使用预训练摘要器，并将提取的摘要作为支撑证据以辅助分类任务。我们使用基于机器学习和深度学习的方法进行实验，对我们的方法进行了广泛评估。结果表明，我们的方法在假新闻检测上优于 SOTA 方法，在 CONSTRAINT-2021 共享任务提供的数据集上取得了 99.25 的 F1 值。我们还发布了增强数据集、我们的代码与模型，以供进一步研究。