基于一致性感知搜索的谣言新闻调查
信息检索
2018-09-18 v2
摘要
近年来，由人类和机器生成的谣言新闻广泛增多。因此，调查谣言新闻的工具已成为迫切需求。此类工具的一个有用功能是：通过呈现多来源的不同观点，来观察某一特定主题或事件被表征的方式。本文提出 Maester，一种用于调查谣言新闻的新型一致性感知搜索框架。给定一个调查问题，Maester 将检索与该问题相关的文章，并将来自赞同、反对和讨论类别的置顶文章分配并显示给用户。将结果划分为这三类为用户提供了针对调查问题的整体视图。我们基于以下两个关键观察构建 Maester：（1）相关性通常可由问题和文章中共同出现的关键词与实体确定；（2）调查问题与相关新闻文章之间的一致性程度常可由少数关键句判定。据此，我们使用带有关键词/实体匹配特征的梯度提升树模型进行相关性检测，并利用循环神经网络推断一致性程度。我们在 Fake News Challenge（FNC）数据集上的实验表明，对于一致性感知搜索，Maester 相较原始 FNC 获胜方案有高达一个数量级的改进。
引用
@article{arxiv.1802.07398,
title = {Investigating Rumor News Using Agreement-Aware Search},
author = {Jingbo Shang and Tianhang Sun and Jiaming Shen and Xingbang Liu and Anja Gruenheid and Flip Korn and Adam Lelkes and Cong Yu and Jiawei Han},
journal= {arXiv preprint arXiv:1802.07398},
year = {2018}
}