基于图结构的情景驱动虚假新闻检测：COVID-19案例研究
计算与语言
2025-07-21 v1 机器学习
摘要
在当今数字时代，虚假新闻正以惊人的速度传播。为此，我们提出一种新颖的图结构方法。我们采用来自Kaggle的数据集，其中包含真实新闻与虚假新闻文章。为测试我们的方案，我们纳入近期与COVID-19相关的新闻文章，这些文章包含真实与虚假新闻，与本问题相关。这进一步丰富了数据集，避免完全依赖原始数据集。我们提出一种情景驱动的图结构方法，用于检测虚假新闻文章。我们需要将新闻文章转换为恰当的模式，因而利用自然语言处理（NLP）技术将新闻文章转化为情景图结构。随后，我们应用基于最小描述长度（MDL）的图基异常检测（GBAD）算法进行图挖掘。图结构方法在处理丰富情景数据方面尤为有效，因为它们能够发现传统查询式或统计技术可能忽视的复杂模式。我们的方法首先识别数据集中的规范模式，然后揭示偏离这些既定规范的异常模式。
引用
@article{arxiv.2507.13382,
title = {Context-Based Fake News Detection using Graph Based Approach: ACOVID-19 Use-case},
author = {Chandrashekar Muniyappa and Sirisha Velampalli},
journal= {arXiv preprint arXiv:2507.13382},
year = {2025}
}
备注
CSAIDE '25: Proceedings of the 2025 4th International Conference on Cyber Security, Artificial Intelligence and the Digital Economy