ConspEmoLLM：利用基于情感的大型语言模型检测阴谋论
计算与语言
2024-10-21 v3
摘要
互联网给社会带来了益处，也带来了危害。后者的一个典型例子是包括阴谋论在内的虚假信息，这些信息充斥网络。自然语言处理的最新进展，特别是大型语言模型（LLMs）的出现，提高了准确检测虚假信息的前景。然而，大多数基于 LLM 的阴谋论检测方法仅关注二分类，未能考虑虚假信息与情感特征（即情感和情绪）之间的重要关系。受对阴谋论文本的综合分析（揭示其独特的情感特征）的驱动，我们提出了 ConspEmoLLM，这是首个整合情感信息并能够执行与阴谋论相关多样化任务的开源 LLM。这些任务不仅包括阴谋论检测，还包括理论类型分类及相关讨论检测（例如对理论的观点）。ConspEmoLLM 基于面向情感的 LLM，使用我们新颖的 ConDID 数据集进行微调，该数据集包含五个任务以支持 LLM 指令微调和评估。我们证明，当应用于这些任务时，ConspEmoLLM 的表现大幅优于多个开源通用领域 LLMs 和 ChatGPT，以及一个使用 ConDID 微调但未利用情感特征的 LLM。该项目将发布于 https://github.com/lzw108/ConspEmoLLM/。
引用
@article{arxiv.2403.06765,
title = {ConspEmoLLM: Conspiracy Theory Detection Using an Emotion-Based Large Language Model},
author = {Zhiwei Liu and Boyang Liu and Paul Thompson and Kailai Yang and Sophia Ananiadou},
journal= {arXiv preprint arXiv:2403.06765},
year = {2024}
}
备注
Work in progress