记忆引导的多视图多领域假新闻检测
计算与语言
2022-06-28 v1 人工智能
机器学习
摘要
假新闻的广泛传播日益威胁个人与社会。已有大量工作用于单一领域(如政治)的自动假新闻检测。然而,多个新闻领域之间普遍存在关联,因此同时检测多领域假新闻具有前景。基于我们的分析,我们提出多领域假新闻检测中的两个挑战:1)领域偏移,由各领域在词汇、情感、风格等方面的差异引起;2)领域标注不完整,源于现实世界分类仅输出单一领域标签,而忽略了一篇新闻的主题多样性。本文中,我们提出一种记忆引导的多视图多领域假新闻检测框架(MFEND)以应对这两个挑战。我们从多视图视角(包括语义、情感与风格)对新闻建模。具体而言,我们提出一个领域记忆库来丰富领域信息,其可基于已见新闻发现潜在领域标签并建模领域特征。随后,以丰富的领域信息为输入,一个领域适配器可自适应地聚合来自多视图的判别信息以用于不同领域的新闻。在英语与中文数据集上的大量离线实验证明了 MFEND 的有效性,在线测试验证了其在实践中的优越性。我们的代码见于 https://github.com/ICTMCG/M3FEND。
引用
@article{arxiv.2206.12808,
title = {Memory-Guided Multi-View Multi-Domain Fake News Detection},
author = {Yongchun Zhu and Qiang Sheng and Juan Cao and Qiong Nan and Kai Shu and Minghui Wu and Jindong Wang and Fuzhen Zhuang},
journal= {arXiv preprint arXiv:2206.12808},
year = {2022}
}
备注
Accepted by IEEE Transactions on Knowledge and Data Engineering (TKDE)