向事实核查者学习：事实核查语言的分析与生成

在对抗假新闻的过程中，近年来已开发出许多由基于人工的事实核查网站（如 snopes.com 与 politifact.com）和自动检测系统组成的事实核查系统。然而，即便假新闻已被辟谣，在线用户仍持续分享。这意味着早期假新闻检测可能不足，我们需要另一种互补方法来缓解错误信息的传播。本文引入一种用于对抗假新闻的文本生成新应用。具体而言，我们（1）利用被称为 \emph{fact-checkers}（事实核查者）的在线用户，他们引用事实核查网站作为公共话语中核查信息的可信证据；（2）分析事实核查推文的语言特征；以及（3）提出并构建一个深度学习框架，以生成具有事实核查意图的回复，从而提高事实核查者参与核查活动的积极性。我们的分析揭示，事实核查者倾向于反驳错误信息并使用正式语言（例如很少使用脏话与网络俚语）。我们的框架成功生成相关回复，并以高达 30% 的提升优于竞争模型。我们的定性研究也确认了所生成回复相较于现有模型生成回复的优越性。