面向可解释假新闻检测的证据感知多源信息融合网络 EMIF
社会与信息网络
2024-07-02 v1
摘要
由于假新闻的传播对社会产生显著负面影响，围绕自动假新闻检测的研究不断推进。现有大多数方法依赖单一证据来源（如评论或相关新闻）以推导决策依据，展现卓越性能。然而，这些方法的单一证据来源存在两个关键局限：（i）噪声丰富；（ii）抗干扰性差。灵感来源于人类识别假新闻的自然过程，我们提出一种证据感知多源信息融合（EMIF）网络，联合利用用户评论和相关新闻进行精确决策并挖掘可靠证据。为实现此目标，我们初步构建一个共注意力网络，以捕获评论与原新闻之间的一般语义冲突。同时，引入偏差选择模块以识别内容最偏离原新闻的 Top-K 条相关新闻，从而确保获取多样化且更客观的证据。最后，我们在证据融合层中引入不一致损失函数，以强化两种证据对同一假新闻的不真实性判定的一致性。广泛的实验和消融研究在真实数据集 FibVID 上表明我们的方法有效。值得注意的是，EMIF 在单一信息来源不足时仍表现出卓越的鲁棒性。
引用
@article{arxiv.2407.01213,
title = {EMIF: Evidence-aware Multi-source Information Fusion Network for Explainable Fake News Detection},
author = {Qingxing Dong and Mengyi Zhang and Shiyuan Wu and Xiaozhen Wu},
journal= {arXiv preprint arXiv:2407.01213},
year = {2024}
}