MUSER：一种用于假新闻检测的多步证据检索增强框架
社会与信息网络
2024-05-29 v1
摘要
在线虚假信息的易传播性使怀有恶意意图的个人能够操纵舆论并破坏社会稳定。近来，基于证据检索的假新闻检测因力求可靠识别假新闻并降低其影响而受到欢迎。基于证据检索的方法可通过计算证据与新闻中声称内容之间的文本一致性来提升假新闻检测的可靠性。在本文中，我们提出一种基于多步证据检索增强（MUSER）的假新闻检测框架，其模拟人类在阅读新闻、总结、查阅资料以及推断新闻真伪过程中的步骤。我们的模型能够显式建模多条证据间的依赖关系，并通过多步检索对新闻验证所需证据进行多步关联。此外，我们的模型能够通过段落检索与关键证据选择自动收集现有证据，从而省去繁琐的人工证据收集过程。我们在不同语言的真实世界数据集上进行了广泛实验，结果表明，我们提出的模型在 F1-Macro 上至少优于最先进的基线方法 3%，在 F1-Micro 上优于 4%。此外，它为终端用户提供了可解释的证据。
引用
@article{arxiv.2306.13450,
title = {MUSER: A MUlti-Step Evidence Retrieval Enhancement Framework for Fake News Detection},
author = {Hao Liao and Jiaohao Peng and Zhanyi Huang and Wei Zhang and Guanghua Li and Kai Shu and Xing Xie},
journal= {arXiv preprint arXiv:2306.13450},
year = {2024}
}
备注
12 pages, 5 figures, accepted by KDD '23, ADS track