利用胶囊神经网络检测假新闻
计算与语言
2020-02-05 v1 计算机与社会
摘要
近年来社交媒体中的假新闻急剧增加。这促使了对有效假新闻检测算法的需求。胶囊神经网络已在计算机视觉中取得成功，并正受到自然语言处理（NLP）应用方面的关注。本文旨在将胶囊神经网络用于假新闻检测任务。我们对不同长度的新闻项使用不同的嵌入模型。静态词嵌入用于短新闻项，而允许在训练阶段增量式向上训练和更新的非静态词嵌入用于中等长度或较长的新闻陈述。此外，我们应用不同阶的 n-gram 进行特征提取。我们提出的架构在该领域两个近期知名的数据集（即 ISOT 和 LIAR）上进行了评估。结果显示出令人鼓舞的性能，在 ISOT 上超越最先进方法 7.8%，在 LIAR 数据集的验证集上超越 3.1%，测试集上超越 1%。
引用
@article{arxiv.2002.01030,
title = {Detecting Fake News with Capsule Neural Networks},
author = {Mohammad Hadi Goldani and Saeedeh Momtazi and Reza Safabakhsh},
journal= {arXiv preprint arXiv:2002.01030},
year = {2020}
}
备注
25 pages, 4 figures