基于文本事实结构的神经深度伪造检测
计算与语言
2020-10-16 v1
摘要
深度伪造检测，即自动判别机器生成文本的任务，随着自然语言生成模型的最新进展而日益关键。现有的深度伪造检测方法通常以粗粒度表示来表征文档。然而，根据我们的统计分析，它们难以捕捉文档的事实结构，而这是机器生成文本与人类书写文本之间的判别因素。为此，我们提出了一种基于图的模型，利用文档的事实结构进行文本深度伪造检测。我们的方法将给定文档的事实结构表示为实体图，并进一步利用图神经网络学习句子表示。随后将句子表示组合为文档表示以进行预测，其中相邻句子之间的一致关系被顺序建模。在两个公开深度伪造数据集上的实验结果表明，我们的方法显著改进了基于 RoBERTa 构建的强基线模型。模型分析进一步表明，我们的模型能够区分机器生成文本与人类书写文本在事实结构上的差异。
引用
@article{arxiv.2010.07475,
title = {Neural Deepfake Detection with Factual Structure of Text},
author = {Wanjun Zhong and Duyu Tang and Zenan Xu and Ruize Wang and Nan Duan and Ming Zhou and Jiahai Wang and Jian Yin},
journal= {arXiv preprint arXiv:2010.07475},
year = {2020}
}
备注
EMNLP2020;10 pages