通过探究潜在常识冲突实现鲁棒的虚假信息检测
计算与语言
2025-05-01 v1 计算机与社会
摘要
互联网技术的发展使得虚假信息日益泛滥，在各个领域造成了严重的负面影响。为了缓解这一挑战，虚假信息检测（MD）旨在自动检测在线虚假信息，已成为社区中一个快速发展的研究课题。在本文中，我们提出了一种新颖的即插即用增强方法用于MD任务，即基于潜在常识冲突的虚假信息检测（MD-PCC）。我们的灵感来自先前的研究，这些研究表明虚假文章更可能涉及常识冲突。因此，我们为文章构建常识表达式，通过提取的常识三元组与由成熟的常识推理工具COMET推断的黄金三元组之间的差异来推断潜在的常识冲突。然后，这些表达式被具体化为每篇文章的增强。任何特定的MD方法都可以在这些常识增强的文章上进行训练。此外，我们还收集了一个新的面向常识的数据集CoMis，其中所有虚假文章都是由常识冲突引起的。我们将MD-PCC与多种现有的MD主干网络集成，并在4个公开基准数据集以及CoMis上进行比较。实验结果表明，MD-PCC能够持续优于现有的MD基线方法。
引用
@article{arxiv.2504.21604,
title = {Robust Misinformation Detection by Visiting Potential Commonsense Conflict},
author = {Bing Wang and Ximing Li and Changchun Li and Bingrui Zhao and Bo Fu and Renchu Guan and Shengsheng Wang},
journal= {arXiv preprint arXiv:2504.21604},
year = {2025}
}
备注
11 pages, 2 figures. Accepted by IJCAI 2025. Code: https://github.com/wangbing1416/MD-PCC