学过往、演未来：预测时间趋势用于假新闻检测
计算与语言
2023-06-27 v1 人工智能
社会与信息网络
摘要
假新闻检测一直是维护在线新闻生态健康的关键任务。然而，现有工作极少考虑由新闻数据快速演化本质所导致的时序偏移问题，致使在过往数据上训练、未来数据上测试时性能显著下降。本文中，我们观察到同一主题新闻事件随时间呈现可辨识的模式，并认为此类模式有助于筛选能使模型更好适应未来数据的训练样本。具体而言，我们设计了有效框架FTT（预测时间趋势，Forecasting Temporal Trends），其可预测新闻数据的时间分布模式，进而引导检测器快速适应未来分布。在真实世界时序切分数据集上的实验证明了我们所提框架的优越性。代码见 https://github.com/ICTMCG/FTT-ACL23。
引用
@article{arxiv.2306.14728,
title = {Learn over Past, Evolve for Future: Forecasting Temporal Trends for Fake News Detection},
author = {Beizhe Hu and Qiang Sheng and Juan Cao and Yongchun Zhu and Danding Wang and Zhengjia Wang and Zhiwei Jin},
journal= {arXiv preprint arXiv:2306.14728},
year = {2023}
}
备注
Accepted at ACL 2023