微调 Longformer 以联合预测谣言立场与真实性
计算与语言
2020-10-23 v2
摘要
社交媒体的使用增加导致了未经核实的新闻与事件的流行，致使谣言在网络上广泛传播。由于社交媒体平台广泛可用且使用量增加，数据以海量形式可得。人工处理如此大规模数据的方法成本高且耗时，因此自动处理并核实此类内容中是否存在谣言受到越来越多的关注。大量研究表明，识别此类事件与新闻讨论串中帖子的立场是判定谣言真实性之前的重要前置步骤。在本文中，我们提出一个多任务学习框架，用于在 SemEval 2019 RumorEval：判定谣言真实性与对谣言的支持（SemEval 2019 Task 7）所发布的数据集上联合预测谣言立场与真实性，该数据集包含源自 Reddit 与 Twitter 的多种突发新闻故事相关的社交媒体谣言。我们的框架由两部分组成：a) 框架底层通过对多轮对话建模并对每条帖子使其感知相邻帖子，来分类讨论某谣言的对话串中每条帖子的立场。b) 上层利用底层获得的立场演化预测该对话串的谣言真实性。在 SemEval 2019 Task 7 数据集上的实验结果表明，我们的方法在谣言立场分类与真实性预测上均优于以往方法。
引用
@article{arxiv.2007.07803,
title = {Fine-Tune Longformer for Jointly Predicting Rumor Stance and Veracity},
author = {Anant Khandelwal},
journal= {arXiv preprint arXiv:2007.07803},
year = {2020}
}
备注
10 pages, 2 figures, 6 tables; Accepted at ACM CoDS-COMAD 2021