识别假新闻与讽刺中的细微差别：利用语义与语言线索

恶意的假新闻与受保护的言论讽刺之间的模糊界限一直是社交媒体平台 notorious 的难题。在减少社交媒体上错误信息曝光的努力之外，假新闻的传播者已开始伪装成讽刺网站以避免被降权。在这项工作中，我们解决自动分类假新闻与讽刺的挑战。先前的研究考察了假新闻和讽刺是否可基于语言差异来区分。与假新闻相反，讽刺故事通常幽默并带有某些政治或社会信息。我们假设这些细微差别可以利用语义和语言线索来识别。因此，我们使用语义表示、最先进的语境语言模型以及基于文本连贯性度量的语言特征训练了一种机器学习方法。经验评估证明了我们的方法相对于基于语言的基线的优点，并揭示了假新闻与讽刺之间的细微差别。作为未来工作的途径，我们考虑研究与幽默方面相关的额外语言特征，并用当前新闻事件丰富数据，以帮助识别政治或社会信息。