面向假新闻检测的社会语境建模：一种基于图神经网络的方法
社会与信息网络
2022-07-28 v1 计算与语言
信息检索
摘要
假新闻检测对于确保信息真实性与维护新闻生态可靠性至关重要。近来，由于社交媒体与深度伪造等虚假内容生成技术的泛滥，假新闻内容有所增加。现有多数假新闻检测模态聚焦于基于内容的方法。然而，这类技术大多难以应对生成模型产出的超真实合成媒体。我们近期的研究发现，无论模态如何，真实与假新闻的传播特征均可区分。对此，我们探究了基于社会语境的辅助信息以检测假新闻。本文以混合图神经网络方法分析了假新闻检测中的社会语境。该混合模型基于在新闻传播上集成图神经网络、在新闻内容上集成双向编码器表示来自 Transformer（BERT）模型以学习文本特征。因此，所提方法同时学习内容与语境特征，从而在 PolitiFact 上以 0.91 的 f1 分数、在 Gossipcop 数据集上以 0.93 的 f1 分数优于基线模型。
引用
@article{arxiv.2207.13500,
title = {Modelling Social Context for Fake News Detection: A Graph Neural Network Based Approach},
author = {Pallabi Saikia and Kshitij Gundale and Ankit Jain and Dev Jadeja and Harvi Patel and Mohendra Roy},
journal= {arXiv preprint arXiv:2207.13500},
year = {2022}
}