无处遁形：基于数据增强的双重深度交互通道假新闻检测网络
计算与语言
2023-04-03 v1
摘要
由于信息传播成本低，在线社交网络（OSN）已成为假新闻的温床。尽管现有方法在新闻内容与传播结构方面做了诸多尝试，假新闻检测仍面临两大挑战：一是如何挖掘独特的关键特征与演化模式，二是如何解决小样本问题以构建高性能模型。与充分利用传播拓扑结构的流行方法不同，本文从语义、情感与数据增强的角度提出一种假新闻检测新框架，该框架挖掘新闻参与者在传播过程中的情感演化模式，并设计语义与情感的双重深度交互通道网络，在考虑评论的情况下获得更全面、细粒度的新闻表示。同时，该框架引入基于置信度获取数据增强模块，以获取更多高质量标注数据，进一步提升分类模型性能。实验表明，所提方法优于当前最优（SOTA）方法。
引用
@article{arxiv.2303.18049,
title = {No Place to Hide: Dual Deep Interaction Channel Network for Fake News Detection based on Data Augmentation},
author = {Biwei Cao and Lulu Hua and Jiuxin Cao and Jie Gui and Bo Liu and James Tin-Yau Kwok},
journal= {arXiv preprint arXiv:2303.18049},
year = {2023}
}