HAT4RD：面向社交媒体谣言检测的分层对抗训练
计算与语言
2022-08-30 v2 社会与信息网络
摘要
随着社交媒体的发展，社会交流方式发生了改变。这在便利人们沟通与获取信息的同时，也为谣言传播提供了理想平台。在正常或危急情形下，谣言会影响人们的判断甚至危害社会安全。然而，自然语言具有高维稀疏特性，同一谣言在社交媒体上可能有数百种表达方式，这令当前谣言检测模型的鲁棒性与泛化能力受到质疑。我们提出了一种新颖的面向社交媒体谣言检测的\textbf{分}层\textbf{对}抗\textbf{训}练方法（HAT4RD）。具体而言，HAT4RD 基于梯度上升，通过对帖子级与事件级模块的嵌入层添加对抗扰动以欺骗检测器；同时，检测器利用随机梯度下降最小化对抗风险，从而学习更鲁棒的模型。由此增强了帖子级与事件级样本空间，并在多种对抗攻击下验证了模型的鲁棒性。此外，可视化实验表明，所提模型漂移至平坦损失景观区域，从而获得更好的泛化能力。我们在来自两个常用社交平台（Twitter 和微博）的三个公开谣言数据集上评估了所提方法，实验结果显示我们的模型优于当前最优（SOTA）方法。
引用
@article{arxiv.2110.00425,
title = {HAT4RD: Hierarchical Adversarial Training for Rumor Detection on Social Media},
author = {Shiwen Ni and Jiawen Li and Hung-Yu Kao},
journal= {arXiv preprint arXiv:2110.00425},
year = {2022}
}