SARC：用于虚假新闻检测的情感增强深层角色聚类
计算与语言
2025-11-10 v1
摘要
虚假新闻检测一直是社交网络中的研究重点。最近的研究表明，融合来自新闻内容和用户评论的情感信息可以提升检测性能。然而，现有方法通常将情感特征视为辅助信号，忽视角色差异化，即相同的情感极性可能来自不同角色的用户，从而限制了其捕捉细粒度模式的能力以实现有效检测。为此，我们提出了 SARC，即情感增强角色聚类框架（Sentiment-Augmented Role Clustering），该框架利用情感增强深层聚类来识别用户角色以提高虚假新闻检测性能。该框架首先通过联合评论文本表示（使用 BiGRU 和注意力机制）和情感编码生成用户特征。随后，它构建一个可微深层聚类模块自动对用户角色进行分类。最后，与现有方法仅将虚假新闻标签作为唯一监督信号不同，我们提出一种将角色聚类和虚假新闻检测联合优化的目标，以进一步提高模型性能。在两个基准数据集 RumourEval-19 和 Weibo-comp 上的实验结果表明，SARC 在所有指标上均优于基线模型。代码可在：https://github.com/jxshang/SARC 获取。
引用
@article{arxiv.2511.04692,
title = {SARC: Sentiment-Augmented Deep Role Clustering for Fake News Detection},
author = {Jingqing Wang and Jiaxing Shang and Rong Xu and Fei Hao and Tianjin Huang and Geyong Min},
journal= {arXiv preprint arXiv:2511.04692},
year = {2025}
}
备注
12 pages, 11 figures, 4 tables, WSDM 2026 accepted paper