用于文本声明可信度评估的神经网络架构
计算与语言
2024-03-08 v3
摘要
带有虚假声明的文本文章，尤其是新闻，近来已成为互联网用户的困扰。这些文章广泛传播，读者难以辨别事实与虚构。先前关于可信度评估的工作集中于事实分析和语言特征。该任务的主要挑战在于区分真实与虚假文章的特征。在本文中，我们提出一种称为Credibility Outcome（CREDO）的新方法，旨在开放域设置下对文章的可信度进行评分。CREDO由不同模块组成，用于捕获影响文章可信度的各种特征。这些特征包括文章来源与作者的可信度、文章与从知识库中检索到的相关可信文章之间的语义相似度，以及文章所传达的情感。神经网络架构学习这些模块各自对文章整体可信度的贡献。在Snopes数据集上的实验表明，CREDO优于基于语言特征的现有最优（SOTA）方法。
引用
@article{arxiv.1803.10547,
title = {Neural Network Architecture for Credibility Assessment of Textual Claims},
author = {Nurendra Choudhary and Rajat Singh and Ishita Bindlish and Manish Shrivastava},
journal= {arXiv preprint arXiv:1803.10547},
year = {2024}
}
备注
Best Paper Award at 19th International Conference on Computational Linguistics and Intelligent Text Processing, March 2018, Hanoi, Vietnam