FakeWatch：用于确保选举可信度的假新闻检测框架
计算与语言
2024-05-07 v2
摘要
在当今技术驱动的世界中，尤其是在选举等关键事件期间，假新闻的快速传播正成为对信息完整性日益增长的威胁。为此，我们引入FakeWatch，一个全面的假新闻检测框架。我们利用新编的北美选举相关新闻文章数据集，构建了稳健的分类模型。该框架集成了一个模型库，包括传统机器学习技术和最先进的语言模型，以有效识别假新闻。我们的目标是为研究社区提供一套灵活且精确的分类模型，擅长识别选举议题中的假新闻。对假新闻分类器在我们的数据集上的定量评估显示，尽管最先进的语言模型在准确度上略胜于传统机器学习模型，但经典模型因其准确度与计算效率的平衡仍具竞争力。此外，定性分析揭示了假新闻文章中的模式。我们在https://huggingface.co/datasets/newsmediabias/fake_news_elections_labelled_data 和 https://huggingface.co/newsmediabias/FakeWatch 提供了标记好的数据和模型，以便可重复性和进一步研究。
引用
@article{arxiv.2403.09858,
title = {FakeWatch: A Framework for Detecting Fake News to Ensure Credible Elections},
author = {Shaina Raza and Tahniat Khan and Veronica Chatrath and Drai Paulen-Patterson and Mizanur Rahman and Oluwanifemi Bamgbose},
journal= {arXiv preprint arXiv:2403.09858},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2312.03730