用于假新闻检测的语言风格感知神经网络
计算与语言
2023-01-10 v1 人工智能
摘要
我们提出层次递归神经网络(HERO)，通过学习假新闻区别于真实新闻的语言风格来预测假新闻，正如心理学理论所揭示的。我们首先生成新闻文档的层次语言树；通过这样做，我们将每篇新闻文档的语言风格转化为其写作者对词语的使用以及这些词语如何被递归地结构化为短语、句子、段落，并最终成为文档。通过将层次语言树与神经网络相整合，所提方法通过捕获具有语言意义的局部序列和全局递归结构来学习并分类新闻文档的表示。据我们所知，这是首个提供层次语言树以及保留树信息的神经网络的工作。基于公共真实世界数据集的实验结果证明了所提方法的有效性，其能在短新闻和长新闻文档分类上优于最先进的技术。我们还考察了假新闻与真实新闻的差异性语言风格，并观察到假新闻的一些模式。代码和数据已公开可用。
引用
@article{arxiv.2301.02792,
title = {Linguistic-style-aware Neural Networks for Fake News Detection},
author = {Xinyi Zhou and Jiayu Li and Qinzhou Li and Reza Zafarani},
journal= {arXiv preprint arXiv:2301.02792},
year = {2023}
}