利用常识知识进行假新闻分类与声明可核查性判定

虚假新闻的广泛且快速传播使得事实核查成为不可或缺的需求。鉴于其耗时且劳动密集的性质，该任务呼唤自动化支持以满足需求。本文提出利用常识知识服务于假新闻分类与可核查声明检测任务。我们认为常识知识是人类可信度的一个因素，并在多任务学习环境中用常识问答任务及上述任务对BERT语言模型进行微调。为预测细粒度假新闻类型，我们将所提微调模型在公开数据集及新收集数据集上的表现与假新闻分类模型比较。我们将该模型表现与单任务BERT模型及最先进的可核查声明检测工具比较以评估可核查声明检测。实验分析表明常识知识可改善两项任务的表现。