论述未言之事：基于遗漏感知图推理的误信息检测

本文研究了误信息检测问题，即通过刻意编造误导性内容或隐式遗漏必要信息来蒙蔽读者，从而引导读者对错误结论产生误判。虽然前者已受到广泛研究，但遗漏式欺骗在实际应用中被严重忽视，尽管它能在完整性幻觉下微妙引导读者向错误结论推进。为此方向的先驱工作，本文提出了OmiGraph——首个遗漏感知误信息检测框架。具体而言，OmiGraph利用捕获同一事件不同视角的上下文环境，构建目标新闻的遗漏感知图，从而暴露潜在的遗漏内容。基于该图，提出了遗漏导向的关系建模，以识别内部上下文依赖关系以及动态遗漏意图，形成全面的遗漏关系表示。最后，为从图中提取遗漏模式，OmiGraph引入遗漏感知消息传递与聚合，通过整合遗漏内容与关系，建立整体的欺骗感知。实验表明，考虑遗漏视角后，本方法在两个大规模基准测试中实现了平均F1分数提升5.4%，准确率提升5.3%。