模拟读者行为用于假新闻检测

假新闻的广泛传播已在多方面影响我们的生活，使得假新闻检测变得重要并吸引越来越多的关注。现有方法通过单模态或多模态视角对新闻建模，在该领域做出了实质性贡献。然而，这些基于模态的方法可能导致次优结果，因为它们忽略了新闻消费与真实性验证中的读者行为。例如，它们未考虑逐组件的阅读过程：从标题、图像、评论到正文，而这对于更细粒度地建模新闻至关重要。为此，我们提出一种模拟读者行为（Ember）的方法用于社交媒体上的假新闻检测，结合读者的阅读与验证过程，从组件视角全面建模新闻。具体而言，我们首先构建组件内特征提取器以模拟对各组件进行语义分析的行为。然后，我们设计一个由组件间特征提取器和基于序列的聚合器组成的模块。该模块模仿验证组件间相关性以及整体阅读与验证序列的过程。因此，Ember 可通过模拟相应序列来处理具有不同组件的新闻。我们在九个真实世界数据集上进行了大量实验，结果证明了 Ember 的优越性。