DRES：基于动态表征与集成选择的虚假新闻检测
机器学习
2025-09-25 v2 计算与语言
摘要
社交媒体的快速信息传播使基于文本的虚假新闻检测变得至关重要，因其对社会产生深远影响。本文提出了一种新型检测方法，称为动态表征与集成选择（DRES），用于仅基于文本识别虚假新闻。DRES利用实例困难度度量，估算每个新闻文章在多个文本特征表征下的分类难度。通过为每个实例动态选择文本表征和最优的分类器集成，DRES显著提升了预测准确性。大量实验表明，DRES在最先进方法之上实现了显著的改进，确认了基于实例困难度的表征选择以及动态集成选择在提升性能方面的有效性。代码和数据已公开：https://github.com/FFarhangian/FakeNewsDetection_DRES
引用
@article{arxiv.2509.16893,
title = {DRES: Fake news detection by dynamic representation and ensemble selection},
author = {Faramarz Farhangian and Leandro A. Ensina and George D. C. Cavalcanti and Rafael M. O. Cruz},
journal= {arXiv preprint arXiv:2509.16893},
year = {2025}
}
备注
Accepted as oral presentation at EMNLP 2025