GCAN：用于社交媒体上可解释假新闻检测的图感知协同注意力网络
计算与语言
2020-04-27 v1 机器学习
机器学习
摘要
本文在社交媒体上更真实的场景下解决假新闻检测问题。给定源短文本推文及对应的无文本评论的转发用户序列，我们旨在预测源推文是否为假，并通过在可疑转发者及其关注的词语上高亮证据来生成解释。我们提出了一种基于神经网络的新型模型——图感知协同注意力网络（GCAN）来实现该目标。在真实推文数据集上开展的广泛实验表明，GCAN 在准确率上平均显著优于当前最优方法 16%。此外，案例研究也显示 GCAN 能够生成合理的解释。
引用
@article{arxiv.2004.11648,
title = {GCAN: Graph-aware Co-Attention Networks for Explainable Fake News Detection on Social Media},
author = {Yi-Ju Lu and Cheng-Te Li},
journal= {arXiv preprint arXiv:2004.11648},
year = {2020}
}
备注
To appear in Proceedings of The 58th Annual Meeting of the Association for Computational Linguistics, ACL 2020. Code is available here https://github.com/l852888/GCAN