连续检测，快速反应：基于持续提示微调的未见谣言检测
计算与语言
2022-09-12 v2
摘要
由于开放的社交平台允许大量且持续流动的未经证实的信息，谣言可能意外出现并迅速传播。然而，现有的谣言检测 (RD) 模型通常假设训练和测试分布相同，无法应对不断变化的社交网络环境。本文提出了一种持续提示微调 RD (CPT-RD) 框架，该框架在序列任务学习期间避免了上游任务的灾难性遗忘 (CF)，并实现了领域任务之间的双向知识转移。具体而言，我们提出了以下策略： 我们的设计显式地解耦了共享知识和特定领域知识，从而减少了优化过程中不同领域之间的干扰； 几项技术旨在转移上游任务的知识以处理突发事件； 使用任务条件的提示级超网络 (TPHNet) 来巩固过去的领域。此外，CPT-RD 在不需要排练缓冲区的情况下避免了 CF。
引用
@article{arxiv.2203.11720,
title = {Continuous Detection, Rapidly React: Unseen Rumors Detection based on Continual Prompt-Tuning},
author = {Yuhui Zuo and Wei Zhu and Guoyong Cai},
journal= {arXiv preprint arXiv:2203.11720},
year = {2022}
}
备注
final version, accpeted by COLING 2022