学习层次化语篇结构用于假新闻检测
计算与语言
2019-04-11 v6 机器学习
机器学习
摘要
一方面，如今假新闻文章通过各种在线媒体平台轻易传播，已成为对信息可信性的巨大威胁。另一方面，我们对假新闻语言的理解仍然十分有限。将假新闻与真实新闻文章的层次化语篇结构纳入考量，是更好理解这些文章如何构建的关键一步。然而，这在假新闻检测领域鲜有研究，且面临巨大挑战。首先，现有捕获语篇结构的方法依赖于标注语料库，而假新闻数据集并无此类资源。其次，如何从所发现的结构中提取有用信息是另一挑战。为应对这些挑战，我们提出用于假新闻检测的层次化语篇结构(HDSF)。HDSF以自动化、数据驱动的方式为假/真新闻文章学习并构建语篇级结构。此外，我们识别出有洞察力的结构相关属性，可解释所发现的结构并增进我们对假新闻的理解。实验表明所提方法的有效性。进一步的结构分析表明，真实与假新闻在层次化语篇结构上呈现显著差异。
引用
@article{arxiv.1903.07389,
title = {Learning Hierarchical Discourse-level Structure for Fake News Detection},
author = {Hamid Karimi and Jiliang Tang},
journal= {arXiv preprint arXiv:1903.07389},
year = {2019}
}
备注
Accepted to 2019 Annual Conference of the North American Chapter of the Association for Computational Linguistics June 2-7, 2019 Minneapolis, USA