ECOL：利用内容、先验知识与来源信息早期检测新冠谎言
计算与语言
2021-01-15 v1 机器学习
摘要
社交媒体平台易受虚假新闻传播的影响，这在医疗健康领域造成了如恐慌和错误用药等负面后果。因此，在虚假新闻广泛传播之前早期自动检测十分重要。本文分析了将内容信息、先验知识和来源可信度整合到早期虚假新闻检测模型中的影响。我们提出了一个利用 BERT 语言模型及外部来源（即简单英语维基百科和来源可靠性标签）对这些特征建模的框架。在 CONSTRAINT 数据集上的实验证明了整合这些特征对医疗健康领域虚假新闻早期检测的益处。
引用
@article{arxiv.2101.05499,
title = {ECOL: Early Detection of COVID Lies Using Content, Prior Knowledge and Source Information},
author = {Ipek Baris and Zeyd Boukhers},
journal= {arXiv preprint arXiv:2101.05499},
year = {2021}
}
备注
to be published in Constraint-2021 Workshop @ AAAI