利用弱社会监督检测假新闻

有限的标注数据正成为监督学习系统最大的瓶颈。对于许多现实任务而言尤其如此，其中大规模标注样本要么获取成本过高，要么因隐私或数据访问限制而不可用。弱监督已显示出是通过利用弱标签和/或从启发式规则和/或外部知识源注入约束来缓解标注数据稀缺性的良好手段。社交媒体标注数据少，但拥有使其适合生成弱监督的独特特征，从而产生了一种新型弱监督，即弱社会监督。在本文中，我们阐释社交媒体的各个方面如何用于生成弱社会监督。具体而言，我们以近期关于假新闻检测的研究为用例，其中社会互动丰富但标注样本稀缺，来表明弱社会监督在面对少量标注数据问题时是有效的。本文为其他新兴任务中利用弱社会监督进行学习打开了大门。