MSynFD：多跳语法感知的假新闻检测

社交媒体平台的激增推动了假新闻的快速传播，对现实社会构成了威胁。现有方法利用多模态数据或上下文信息，通过分析新闻内容和/或其社交语境来增强假新闻检测。然而，这些方法往往忽略了重要的文本新闻内容（文章），并严重依赖序列建模和全局注意力来提取语义信息。这些现有方法无法处理新闻文章中复杂、微妙的扭曲，例如语法-语义不匹配和先验偏差，导致性能下降，并且在模态或社交语境缺失时可能失效。为弥补这些显著差距，我们提出了一种新颖的多跳语法感知假新闻检测（MSynFD）方法，该方法融合了互补的语法信息来处理假新闻中的微妙扭曲。具体来说，我们引入了一个句法依赖图，并设计了一种多跳子图聚合机制来捕获多跳语法。它扩展了词感知的效果，从而实现有效的噪声过滤和相邻关系增强。随后，设计了一个序列相对位置感知的Transformer来捕获序列信息，并配合一个精心设计的关键词去偏模块来缓解先验偏差。在两个公开基准数据集上的大量实验结果验证了我们提出的MSynFD相对于最先进检测模型的有效性和优越性能。