FANG：利用图表示与社会上下文进行假新闻检测
社会与信息网络
2020-10-09 v2 计算与语言
信息检索
机器学习
摘要
我们提出 Factual News Graph（FANG），一种用于假新闻检测的图式社会上下文表示与学习新框架。与以往以提升性能为目标的上下文模型不同，我们的重点在于表示学习。相较于直推式模型，FANG 在训练时可扩展，因其无需维护所有节点，并且在推断时高效，无需重新处理整张图。实验结果表明，与近期图式与非图式模型相比，FANG 能更好地将社会上下文捕获为高保真表示。具体而言，FANG 在假新闻检测任务上取得显著提升，并且在训练数据有限的情况下具有鲁棒性。我们进一步证明，FANG 学到的表示可泛化至相关任务，例如预测新闻媒体的报道真实性。
引用
@article{arxiv.2008.07939,
title = {FANG: Leveraging Social Context for Fake News Detection Using Graph Representation},
author = {Van-Hoang Nguyen and Kazunari Sugiyama and Preslav Nakov and Min-Yen Kan},
journal= {arXiv preprint arXiv:2008.07939},
year = {2020}
}
备注
To appear in CIKM 2020