FineFake：面向细粒度多领域假新闻检测的知识增强数据集
计算与语言
2024-10-16 v3 人工智能
多媒体
摘要
现有的假新闻检测基准在推动模型评估新闻内容真实性方面做出了重要贡献。然而，这些基准通常仅关注单一语义主题或单一平台的新闻，未能捕捉真实场景中多领域新闻的多样性。为了理解跨领域的假新闻，外部知识和细粒度标注对于提供精确证据和揭示多样化的潜在造假策略不可或缺，而现有基准也忽略了这一点。为弥补这一空白，我们引入了一个新颖的多领域知识增强细粒度标注基准，名为\textbf{FineFake}。FineFake包含涵盖六个语义主题和八个平台的16,909个数据样本。每条新闻都包含多模态内容、潜在的社会背景、半人工验证的常识以及超越传统二元标签的细粒度标注。此外，我们基于FineFake制定了三个具有挑战性的任务，并提出了一个知识增强的域适应网络。我们在各种场景下对FineFake进行了大量实验，为未来的工作提供了准确可靠的基准。整个FineFake项目作为开源仓库公开访问，网址为\url{https://github.com/Accuser907/FineFake}。
引用
@article{arxiv.2404.01336,
title = {FineFake: A Knowledge-Enriched Dataset for Fine-Grained Multi-Domain Fake News Detection},
author = {Ziyi Zhou and Xiaoming Zhang and Litian Zhang and Jiacheng Liu and Senzhang Wang and Zheng Liu and Xi Zhang and Chaozhuo Li and Philip S. Yu},
journal= {arXiv preprint arXiv:2404.01336},
year = {2024}
}