情报爆发管理中的信息误导早期检测：基于域迁移的方法
计算与语言
2026-05-29 v2 机器学习
社会与信息网络
摘要
情报爆发指在疾病爆发期间传播的大量真实信息和误导信息。 在情报爆发的早期阶段检测误导信息对于减少其对公共卫生的危害至关重要。 早期情报爆发以大量未标记的关于疾病的信息为特征，导致传统的误导信息检测方法不适用于该任务，因为它们依赖于情报爆发领域中标记信息来训练模型。 为了解决这一限制，最新方法使用来自其他领域的标记信息来训练模型，以检测情报爆发领域中的误导信息。 这些方法的有效性取决于其减轻情报爆发领域与其它领域之间协变量迁移（即特征分布差异）和概念迁移（即标记模式差异）的能力。然而，这些方法关注减轻协变量迁移，但忽略了概念迁移，导致其在该任务上效果有限。为此，我们理论上展示了同时处理协变量迁移和概念迁移的必要性，以及如何操作化每一种迁移。基于理论分析，我们开发了一种新型的误导信息检测方法，旨在解决协变量迁移和概念迁移的问题。通过实际数据集，我们进行了大量实证评估，以证明我们方法相对于最新误导信息检测方法以及可量身定制解决该任务的常见域迁移方法具有更佳的性能。
引用
@article{arxiv.2406.10238,
title = {Early Detection of Misinformation for Infodemic Management: A Domain Adaptation Approach},
author = {Minjia Mao and Xiaohang Zhao and Xiao Fang},
journal= {arXiv preprint arXiv:2406.10238},
year = {2026}
}