Sentimental LIAR：用于虚假声明分类的扩展语料库与深度学习模型
计算与语言
2020-10-23 v2 机器学习
社会与信息网络
机器学习
摘要
社交媒体在我们日常生活与文化中的泛滥式渗透，使得人类历史上前所未有的快速且便捷的信息流动成为可能。然而，社交媒体平台固有的无监督性质也使得传播虚假信息与假新闻变得更容易。此外，此类平台中信息流的高体量和高速度使得人工监督与控制信息扩散不可行。本文旨在通过提出一种新颖的深度学习方法来解决此问题，以自动检测社交媒体上的虚假短文本声明。我们首先引入 Sentimental LIAR，它通过基于声明情感与情绪分析添加特征，扩展了短声明数据集 LIAR。此外，我们提出了一种基于 BERT-Base 语言模型的新型深度学习架构，用于将声明分类为真实或虚假。我们的结果表明，在 Sentimental LIAR 上训练的所提架构可达到 70% 的准确率，较 LIAR 基准上先前报道的结果提升了约 30%。
引用
@article{arxiv.2009.01047,
title = {Sentimental LIAR: Extended Corpus and Deep Learning Models for Fake Claim Classification},
author = {Bibek Upadhayay and Vahid Behzadan},
journal= {arXiv preprint arXiv:2009.01047},
year = {2020}
}
备注
Accepted for publication in the proceedings of IEEE ISI '20