MetaTroll：基于Transformer适配器的小样本国家资助水军检测
计算与语言
2023-03-15 v1
摘要
国家资助的水军是社交媒体上影响力行动的主要参与者，自动水军检测对于大规模打击虚假信息至关重要。现有的水军检测模型基于已知行动（例如俄罗斯互联网研究局对2016年美国大选的影响力行动）的训练数据开发，在处理具有新目标的新型行动时表现不佳。我们提出MetaTroll，一种基于元学习框架的基于文本的水军检测模型，能够利用仅少量标注样本实现高可移植性和参数高效的新行动适配，用于小样本迁移。我们向MetaTroll引入任务特定（campaign-specific）的Transformer适配器以“记忆”行动特定知识，从而应对灾难性遗忘问题，即模型因持续适配而“忘记”如何检测来自较早行动的水军。我们的实验表明，MetaTroll大幅优于基线模型和当前最优的小样本文本分类模型。最后，我们探索了将MetaTroll扩展至多语言和多模态检测的简易方法。MetaTroll的源代码可在 https://github.com/ltian678/metatroll-code.git 获取。
引用
@article{arxiv.2303.07354,
title = {MetaTroll: Few-shot Detection of State-Sponsored Trolls with Transformer Adapters},
author = {Lin Tian and Xiuzhen Zhang and Jey Han Lau},
journal= {arXiv preprint arXiv:2303.07354},
year = {2023}
}
备注
11 pages, 2 figures, Accepted by the Web Conference 2023 (WWW 2023)