基于Transformer模型转录文本上下文分析的YouTube misinformation识别
计算与语言
2023-07-25 v1
摘要
YouTube 上的 misinformation（虚假信息）是一个重要问题，亟需稳健的检测策略。本文提出一种用于视频分类的新方法，重点关注内容的真实性。我们利用从视频转录文本中提取的文本信息，将传统的视频分类任务转化为文本分类任务。我们采用迁移学习等先进机器学习技术来解决该分类难题。我们的方法包含两种迁移学习形式：(a) 微调 BERT、RoBERTa 和 ELECTRA 等基础 transformer 模型，(b) 使用 sentence-transformers MPNet 和 RoBERTa-large 进行少样本学习。我们将训练好的模型应用于三个数据集：(a) YouTube 疫苗相关 misinformation 视频，(b) YouTube 伪科学视频，(c) Fake-News 数据集（文章合集）。纳入 Fake-News 数据集将我们方法的评估扩展到了 YouTube 视频之外。使用这些数据集，我们评估了模型区分有效信息与 misinformation 的能力。在两个数据集中，微调模型的 Matthews 相关系数>0.81、准确率>0.90、F1 分数>0.90。有趣的是，在 YouTube 伪科学数据集上，少样本模型在准确率和 F1 分数上均比微调模型高出 20%，凸显了该方法——尤其在训练数据有限情境下——的潜在效用。
引用
@article{arxiv.2307.12155,
title = {Identifying Misinformation on YouTube through Transcript Contextual Analysis with Transformer Models},
author = {Christos Christodoulou and Nikos Salamanos and Pantelitsa Leonidou and Michail Papadakis and Michael Sirivianos},
journal= {arXiv preprint arXiv:2307.12155},
year = {2023}
}