用于假新闻检测的异构子图 Transformer
计算与语言
2024-04-23 v1 人工智能
摘要
假新闻在社交媒体上泛滥，对公共话语和社会福祉造成巨大危害。我们通过构建一个关于新闻主题、实体和内容之间关系的异构图，研究了新闻片段的显式结构信息和文本特征。通过我们的研究，我们揭示，假新闻可以根据以其为中心的非典型异构子图被有效检测，这些子图封装了新闻元素之间的基本语义和错综复杂的关系。然而，由于异构性的困扰，探索此类异构子图仍是一个开放问题。为了弥合这一差距，本研究提出了一种异构子图 Transformer (HeteroSGT)，以在我们构建的异构图中利用子图。在 HeteroSGT 中，我们首先采用预训练语言模型来推导词级和句级语义。然后应用带重启的随机游走 (RWR) 提取以每条新闻为中心的子图，这些子图进一步被输入到我们提出的子图 Transformer 中以量化其真实性。在五个真实世界数据集上的大量实验证明了 HeteroSGT 相对于五个基线的优越性能。进一步的案例和消融研究验证了我们的动机，并证明性能提升源于我们专门设计的组件。
引用
@article{arxiv.2404.13192,
title = {Heterogeneous Subgraph Transformer for Fake News Detection},
author = {Yuchen Zhang and Xiaoxiao Ma and Jia Wu and Jian Yang and Hao Fan},
journal= {arXiv preprint arXiv:2404.13192},
year = {2024}
}