基于测试时自适应的分布外谣言检测
人工智能
2024-03-28 v1
摘要
由于谣言在社交媒体上的快速传播，谣言检测已成为极其重要的挑战。现有方法通过收集足够的来自相同数据分布的语料库实现了良好性能，但由于新闻主题、社交媒体平台、语言的差异以及新闻热度导致的传播规模差异，训练数据与实际测试数据之间存在显著的分布偏移。这会导致现有方法在分布外（OOD）情况下的性能显著下降。为此，我们提出一种简单高效的方法，称为测试时自适应谣言检测框架（TARD）。该方法以传播图形式建模新闻传播，构建测试时自适应框架，增强模型在应对OOD问题时的适应性和鲁棒性。在来自真实社交平台的两个数据集上进行的大量实验表明，我们的框架在性能上优于当前最先进的方法。
引用
@article{arxiv.2403.17735,
title = {Out-of-distribution Rumor Detection via Test-Time Adaptation},
author = {Xiang Tao and Mingqing Zhang and Qiang Liu and Shu Wu and Liang Wang},
journal= {arXiv preprint arXiv:2403.17735},
year = {2024}
}