MVAN：用于社交媒体虚假新闻检测的多视图注意力网络
计算与语言
2025-06-03 v1
摘要
社交媒体上的虚假新闻是当今社会普遍且严重的问题。现有的虚假新闻检测方法侧重于从长文本内容中寻找线索，例如原始新闻文章和用户评论。本文解决更真实场景下的虚假新闻检测问题。在仅提供源短文本推文及其转发用户而无用户评论的情况下，我们开发了一种基于神经网络的新模型，即多视图注意力网络 (MVAN)，用于检测社交媒体上的虚假新闻并提供解释。MVAN 模型包含文本语义注意力和传播结构注意力，确保我们的模型能够同时捕获源推文内容和传播结构中的信息与线索。此外，模型中的两种注意力机制能够找出虚假新闻文本中的关键线索词以及传播结构中的可疑用户。我们在两个真实世界的数据集上进行了实验，结果表明 MVAN 的准确率平均显著优于 SOTA 方法 2.5%，并能够产生合理的解释。
引用
@article{arxiv.2506.01627,
title = {MVAN: Multi-View Attention Networks for Fake News Detection on Social Media},
author = {Shiwen Ni and Jiawen Li and Hung-Yu Kao},
journal= {arXiv preprint arXiv:2506.01627},
year = {2025}
}