基于异质 Transformer 的假新闻检测
社会与信息网络
2022-05-09 v1 人工智能
摘要
社交网络上假新闻的传播引发了公众对高效假新闻检测方法的迫切需求。一般而言，社交网络上的假新闻是多模态的，并与其他实体（如用户和帖子）存在各类关联。新闻内容的异质性以及其与社交网络中其他实体关系的异质性，给设计一种能够全面捕捉社交网络实体的局部多模态语义与传播模式的全局结构表示的模型带来了挑战，从而难以有效且准确地分类假新闻。本文提出一种新颖的基于 Transformer 的模型：HetTransformer，以解决社交网络上的假新闻检测问题，其利用 Transformer 的编码器—解码器结构来捕捉新闻传播模式的结构信息。我们首先捕捉社交网络中新闻、帖子和用户实体的局部异质语义。然后，我们应用 Transformer 捕捉社交网络中传播模式的全局结构表示以进行假新闻检测。在三个真实世界数据集上的实验表明，我们的模型在假新闻检测上能够优于最先进的基线方法。
引用
@article{arxiv.2205.03100,
title = {Fake News Detection with Heterogeneous Transformer},
author = {Tianle Li and Yushi Sun and Shang-ling Hsu and Yanjia Li and Raymond Chi-Wing Wong},
journal= {arXiv preprint arXiv:2205.03100},
year = {2022}
}