基于并行 BERT 深度神经网络的假新闻检测
计算与语言
2023-10-18 v2
摘要
假新闻是社交网络和媒体面临的一个日益增长的挑战。假新闻检测多年来一直是个问题，但在近年来社交网络演进及新闻传播速度加快之后再次受到关注。解决这个问题有几种方法，其中之一是使用深度神经网络基于文本风格检测假新闻。近年来，用于自然语言处理的最常用的深度神经网络形式之一是基于 transformer 的迁移学习。BERT 是最有前景的 transformer 之一，在许多 NLP 基准测试中优于其他模型。本文中，我们介绍 MWPBert，它使用两个并行 BERT 网络对全文新闻文章进行真实性检测。其中一个 BERT 网络编码新闻标题，另一个编码新闻正文。由于 BERT 网络的输入长度有限且固定，而新闻正文通常是长文本，我们无法将整篇新闻文本输入 BERT。因此，使用 MaxWorth 算法，我们选取对事实核查更有价值的新闻文本部分，并将其输入 BERT 网络。最后，我们将两个 BERT 网络的输出编码到一个输出网络以对新闻进行分类。实验结果表明，所提出的模型在准确率和其他性能指标上优于先前的模型。
引用
@article{arxiv.2204.04793,
title = {Fake news detection using parallel BERT deep neural networks},
author = {Mahmood Farokhian and Vahid Rafe and Hadi Veisi},
journal= {arXiv preprint arXiv:2204.04793},
year = {2023}
}
备注
Multimed Tools Appl (2023)