学习面向无上下文新闻检测的域无关特征
计算与语言
2024-08-09 v2 多媒体
摘要
无上下文新闻是在线媒体平台上常见的误导信息类型。这涉及将标题与不匹配的新闻图像一起发布。现有的无上下文新闻检测模型仅考虑预标记数据可用于每个域的情况，无法解决在无标记域（例如新闻主题或机构）上的无上下文新闻检测。在本工作中，我们因此关注域自适应的无上下文新闻检测。为了有效地将检测模型适应到未标记的新闻主题或机构，我们提出了 ConDA-TTA（Contrastive Domain Adaptation with Test-Time Adaptation），其应用对比学习和最大均值差异（MMD）来学习域无关特征。此外，我们利用测试时目标域统计数据进一步辅助域适应。实验结果表明，我们的方法在两个公开数据集上的大多数域适应设置下均优于基线方法，F1 分数提升最高可达 2.93%，准确率提升 2.08%。
引用
@article{arxiv.2406.07430,
title = {Learning Domain-Invariant Features for Out-of-Context News Detection},
author = {Yimeng Gu and Mengqi Zhang and Ignacio Castro and Shu Wu and Gareth Tyson},
journal= {arXiv preprint arXiv:2406.07430},
year = {2024}
}