似文章，似受众：强化多模态关联以检测虚假信息
计算与语言
2021-09-01 v1 信息检索
摘要
用户生成内容（如推文与简介描述）及用户间共享内容（如新闻文章）反映用户的在线身份。本文探究用户生成内容与用户共享内容之间的关联是否可用于检测在线新闻文章中的虚假信息。我们开发了一种用于虚假信息检测的多模态学习算法。新闻文章与用户生成内容的潜在表示使得在训练过程中，模型受偏好与所评估新闻文章相似内容的用户画像引导，且若此类内容在不同用户间被共享，该效应得到强化。通过仅在模型优化时利用用户信息，模型在预测文章真实性时不依赖用户画像。该算法成功应用于三种广泛使用的神经分类器，并在不同数据集上取得结果。可视化技术表明，所提模型学习到的未见新闻文章特征表示能更好区分假新闻与真新闻文本。
引用
@article{arxiv.2108.13892,
title = {Like Article, Like Audience: Enforcing Multimodal Correlations for Disinformation Detection},
author = {Liesbeth Allein and Marie-Francine Moens and Domenico Perrotta},
journal= {arXiv preprint arXiv:2108.13892},
year = {2021}
}