MAPX：用于社交媒体网络虚假信息检测的可解释模型无关框架
社会与信息网络
2024-09-16 v1 计算与语言
机器学习
摘要
自动检测虚假信息已成为打击在线社交媒体网络（OSMN）上“假新闻”传播的一项基本任务，因为它减少了人工辨别需求。文献中，利用OSMN文档的各种内容或上下文特征已被证明是有用的。然而，大多数现有的检测模型通常孤立地使用这些特征，没有考虑现实中常见的时间性和动态变化，从而限制了模型的鲁棒性。此外，很少考虑文档特征质量对最终预测可信度的影响。在本文中，我们介绍了一个名为 MAPX 的新型模型无关框架，它能够以可解释的方式，基于证据聚合现有模型的预测。实际上，所开发的聚合方法是自适应、动态的，并考虑了OSMN文档特征的质量。此外，我们在基准假新闻数据集上进行了大量实验，以证明 MAPX 在各种真实世界数据质量场景下的有效性。我们的实证结果表明，所提出的框架始终优于所有评估的现有模型。为了可复现性，MAPX 的演示可在 \href{https://github.com/SCondran/MAPX_framework}{此链接} 获取。
引用
@article{arxiv.2409.08522,
title = {MAPX: An explainable model-agnostic framework for the detection of false information on social media networks},
author = {Sarah Condran and Michael Bewong and Selasi Kwashie and Md Zahidul Islam and Irfan Altas and Joshua Condran},
journal= {arXiv preprint arXiv:2409.08522},
year = {2024}
}
备注
16 pages, 5 figures