基于软域迁移特征增强的欺骗检测
计算与语言
2023-05-03 v1 机器学习
摘要
在信息爆炸时代，欺骗者利用不同领域或媒介的信息（如新闻、电子邮件和推文）来利用用户。尽管已在这些领域中对欺骗检测做了大量研究，但新事件中信息匮乏要求这些领域相互关联以对抗欺骗。为建立这种关联，我们提出一种利用神经模型中间层表示的特性增强方法。我们的方法相较自领域基线模型最高提升 6.60%。我们发现推文是假新闻与钓鱼邮件检测中最有帮助的信息提供方，而新闻在推文谣言检测中帮助最大。我们的分析为领域知识迁移提供了有益见解，有助于构建比现有文献更强的欺骗检测系统。
引用
@article{arxiv.2305.01011,
title = {Deception Detection with Feature-Augmentation by soft Domain Transfer},
author = {Sadat Shahriar and Arjun Mukherjee and Omprakash Gnawali},
journal= {arXiv preprint arXiv:2305.01011},
year = {2023}
}