MDFEND：多领域虚假新闻检测
计算与语言
2022-01-05 v1 人工智能
社会与信息网络
摘要
虚假新闻在社交媒体上于各领域广泛传播，在政治、灾害与金融等诸多方面引发现实威胁。多数现有方法聚焦于单领域虚假新闻检测（SFND），当这些方法应用于多领域虚假新闻检测时表现不佳。作为一个新兴领域，多领域虚假新闻检测（MFND）正日益受到关注。然而，数据分布（如词频与传播模式）因领域而异，即存在领域偏移。面对严重的领域偏移挑战，现有虚假新闻检测技术在多领域场景下表现欠佳。因此，亟需为 MFND 设计专用模型。本文中，我们首先设计了一个带领域标注的 MFND 虚假新闻数据集基准，即 Weibo21，其包含来自 9 个不同领域的 4,488 条虚假新闻与 4,640 条真实新闻。我们进一步提出一种有效的多领域虚假新闻检测模型（MDFEND），利用领域门聚合由混合专家提取的多种表示。实验表明，MDFEND 能显著提升多领域虚假新闻检测性能。我们的数据集与代码发布于 https://github.com/kennqiang/MDFEND-Weibo21。
引用
@article{arxiv.2201.00987,
title = {MDFEND: Multi-domain Fake News Detection},
author = {Qiong Nan and Juan Cao and Yongchun Zhu and Yanyan Wang and Jintao Li},
journal= {arXiv preprint arXiv:2201.00987},
year = {2022}
}
备注
CIKM 2021 short paper. 5 pages