FuDFEND：面向多领域假新闻检测的模糊域方法
社会与信息网络
2023-04-13 v2
摘要
在互联网上，假新闻存在于各种领域（如教育、健康）。由于不同领域的新闻具有不同特征，研究者近期已开始使用单一领域标签进行假新闻检测。这一新兴方向被称为多领域假新闻检测(MFND)。已有工作表明，使用单一领域标签可提升假新闻检测模型的准确率。然而，先前工作存在两个问题。首先，它们忽略了单条新闻可能具有来自不同领域的特征。单一领域标签仅关注新闻在特定领域上的特征，这可能降低模型性能。其次，其模型无法将领域知识迁移至无领域标签的其他数据集。本文提出一种新颖模型FuDFEND，通过引入模糊推理机制解决上述局限。具体而言，FuDFEND利用神经网络拟合模糊推理过程，为每条新闻构建模糊领域标签。随后，特征提取模块使用模糊领域标签提取新闻的多领域特征并得到总体特征表示。最后，判别模块利用总体特征表示判别该新闻是否为假新闻。在Weibo21上的结果表明，我们的模型优于仅使用单一领域标签的模型。此外，我们的模型能更好地将领域知识迁移至无领域标签的Thu数据集。
引用
@article{arxiv.2205.03778,
title = {FuDFEND: Fuzzy-domain for Multi-domain Fake News Detection},
author = {Chaoqi Liang and Yu Zhang and Xinyuan Li and Jinyu Zhang and Yongqi Yu},
journal= {arXiv preprint arXiv:2205.03778},
year = {2023}
}