LingML：面向假新闻检测的语言学信息化机器学习

如今，信息在社交媒体上以前所未有的速度传播，区分真相与虚假信息和假新闻已成为迫切的社会挑战。机器学习(ML)模型被用于识别假新闻，但与此同时存在诸多挑战性问题，如准确率有限、可解释性差和泛化性差。本文通过引入语言学输入来增强基于机器学习的解决方案，我们提出了LingML，即面向假新闻检测的语言学信息化机器学习方法。我们使用在疫情期间进行假新闻检测的流行数据集进行实验研究。实验结果表明，我们提出的解决方案非常有效。仅使用语言学输入进行机器学习时，每十次尝试中不足两次会出错，知识具有很高的可解释性。当语言学输入与先进的大规模机器学习模型集成用于自然语言处理时，我们的解决方案平均错误率为1.8%，显著优于现有方法。LingML为推动有效且高效的假新闻检测开辟了新的道路，也为需要机器学习和领域专业知识共同实现最佳性能的现实世界多学科应用指明了方向。