用于假新闻检测的深度双路半监督学习
计算与语言
2019-06-14 v1 机器学习
摘要
Twitter等社交媒体中的新闻以高数量和高速率产生。然而，其中很少能在短时间内被标注（为假新闻或真实新闻）。为了实现社交媒体中假新闻的及时检测，本文提出了一种新颖的深度双路半监督学习模型，其中一路用于监督学习，另一路用于无监督学习。这两条基于卷积神经网络实现的路径被联合优化以提升检测性能。此外，我们在两条路径之间构建了共享的卷积神经网络以共享底层特征。使用Twitter数据集的实验结果表明，所提模型能在极少标注数据下有效识别假新闻。
引用
@article{arxiv.1906.05659,
title = {Deep Two-path Semi-supervised Learning for Fake News Detection},
author = {Xishuang Dong and Uboho Victor and Shanta Chowdhury and Lijun Qian},
journal= {arXiv preprint arXiv:1906.05659},
year = {2019}
}