Lumen：用于揭示文本中影响线索的机器学习框架
计算与语言
2021-07-23 v1 计算机与社会
机器学习
摘要
钓鱼攻击与虚假信息是流行的社会工程攻击，攻击者总是在文本中施加影响线索以使其对用户更具吸引力。我们介绍了 Lumen，一个基于学习的框架，用于揭示文本中的影响线索：（i）说服，（ii）框架，（iii）情感，（iv）客观/主观，（v）内疚/责备，以及（vi）强调的使用。Lumen 使用新构建的包含 3K 文本的数据集进行训练，该数据集由虚假信息、钓鱼文本、极端党派新闻和主流新闻组成。与其他学习模型相比，Lumen 的评估显示 Lumen 与 LSTM 取得了最佳的 F1-micro 分数，但 Lumen 具有更好的可解释性。我们的结果凸显了机器学习在揭示文本影响线索方面的潜力，朝着应用于自动标注工具以提升基于人工检测的准确性并降低用户落入欺骗性在线内容陷阱的可能性的目标迈进。
引用
@article{arxiv.2107.10655,
title = {Lumen: A Machine Learning Framework to Expose Influence Cues in Text},
author = {Hanyu Shi and Mirela Silva and Daniel Capecci and Luiz Giovanini and Lauren Czech and Juliana Fernandes and Daniela Oliveira},
journal= {arXiv preprint arXiv:2107.10655},
year = {2021}
}