SRLF：一种用于社交媒体上基于内容的谣言检测的立场感知强化学习框架
计算与语言
2021-05-11 v1 人工智能
摘要
社交媒体的快速发展改变了人们的生活方式，同时也为谣言的发布与传播提供了理想场所，严重加剧了社会恐慌并引发社会信任危机。早期的基于内容的方法侧重于从文本和用户资料中寻找谣言检测的线索。近期研究将用户评论的立场与新闻内容相结合，以捕捉真假谣言之间的差异。尽管用户立场对谣言检测有效，但人工标注过程耗时耗力，限制了利用其促进谣言检测的应用。本文中，我们首先在一个小规模标注数据集上微调预训练的 BERT 模型，并利用该模型为用户评论数据标注弱立场标签，以克服上述问题。然后，我们提出一种新颖的立场感知强化学习框架（SRLF），用于筛选高质量标注立场数据以进行模型训练与谣言检测。立场筛选与谣言检测任务同时优化，以相互促进。我们在两个常用的真实世界数据集上开展实验。实验结果表明，我们的框架显著优于最先进的模型，证实了所提框架的有效性。
引用
@article{arxiv.2105.04098,
title = {SRLF: A Stance-aware Reinforcement Learning Framework for Content-based Rumor Detection on Social Media},
author = {Chunyuan Yuan and Wanhui Qian and Qianwen Ma and Wei Zhou and Songlin Hu},
journal= {arXiv preprint arXiv:2105.04098},
year = {2021}
}