交互式学习社交媒体表示提升新闻来源真实性检测
计算与语言
2023-09-27 v1 人工智能
社会与信息网络
摘要
社交媒体的兴起使得假新闻（即以传播误导信息与左右信念为目的而发布的文本）广泛传播。快速检测假新闻，尤其在新事件出现时，对阻止误导信息十分重要。尽管已有工作使用监督学习系统处理该问题，但自动建模促成假新闻传播的社交媒体景观复杂性颇具挑战。相反，让人力核查所有新闻不可扩展。因此，本文中我们提出以交互式方法处理该问题，人类可通过交互帮助自动化系统学习更优的社交媒体表示质量。在真实世界事件上，我们的实验显示即使在少量人机交互后，在检测新闻来源真实性上也取得了性能提升。
引用
@article{arxiv.2309.14966,
title = {Interactively Learning Social Media Representations Improves News Source Factuality Detection},
author = {Nikhil Mehta and Dan Goldwasser},
journal= {arXiv preprint arXiv:2309.14966},
year = {2023}
}
备注
Accepted at Findings of IJCNLP-AACL 2023