基于多EDU结构感知增强文本表示的假新闻检测
计算与语言
2022-05-31 v1 人工智能
摘要
由于假新闻对社会和个人构成严重威胁，众多研究通过考虑文本、传播路径和用户画像展开。受数据收集问题所限，这些基于传播和用户画像的方法在早期阶段适用性较低。一种良好的替代方法是在新闻发布后立即基于文本进行检测，已有大量基于文本的方法被提出，其通常以词、句或段落为基本单元。但词粒度过细难以良好表达连贯信息，句或段落又过粗而难以展现具体信息。何种粒度更优以及如何利用其增强假新闻检测的文本内容表示，是两个关键问题。本文引入粒度介于词与句之间的基本话语单元（Elementary Discourse Unit, EDU），并提出一种多EDU结构感知模型以改进假新闻检测的文本内容表示，即 EDU4FD。针对多EDU结构感知，我们构建了基于序列的EDU表示与基于图的EDU表示。前者通过以 TextCNN 建模连续 EDU 间的连贯性得到，反映语义连贯性。后者中，我们先提取修辞关系构建 EDU 依存图，以展现全局叙事逻辑并助于真实传达主旨；随后设置关系图注意力网络（Relation Graph Attention Network, RGAT）获取基于图的EDU表示。最后，将两种EDU表示经门控递归单元结合全局注意力机制融合，作为增强的文本表示用于假新闻检测。在四个跨源假新闻数据集上的实验表明，我们的模型优于当前最优的基于文本的方法。
引用
@article{arxiv.2205.15139,
title = {Detecting fake news by enhanced text representation with multi-EDU-structure awareness},
author = {Yuhang Wang and Li Wang and Yanjie Yang and Yilin Zhang},
journal= {arXiv preprint arXiv:2205.15139},
year = {2022}
}