假新闻早期检测：一项跨学科研究

假新闻的大规模传播及其可能侵蚀民主的隐患，增加了对准确假新闻检测的需求。该领域近期的进展提出了一些新颖技术，旨在通过探索假新闻在社交网络上的传播方式进行检测。然而，要在早期阶段（即假新闻发布于新闻网站但尚未在社交媒体上扩散时）检测假新闻，由于传播信息尚不存在，无法依赖新闻传播信息。因此，迫切需要从新闻内容入手开发检测方法。本文提出一种理论驱动的假新闻检测模型。该方法在多个层面对新闻内容进行分析：词汇层、句法层、语义层和语篇层。我们依托社会心理学与法医心理学中成熟的理论，对各层面新闻进行表示。随后在监督式机器学习框架内完成假新闻检测。作为一项跨学科研究，我们的工作探索了潜在的假新闻模式，增强了假新闻特征工程的可解释性，并研究了假新闻、欺骗/虚假信息与标题党之间的关系。在两个真实世界数据集上的实验表明，所提方法能够超越当前最优（SOTA）方法，并在内容信息有限时实现假新闻早期检测。