基于BERT嵌入的立场检测用于社交媒体信息可信度分析
人工智能
2021-05-24 v1 机器学习
摘要
电子媒体的发展喜忧参半。由于信息的易获取、低成本和更快的传播，人们从在线社交网络中搜索并贪婪地阅读新闻。相反，对社交媒体报道日益增长的接受导致了假新闻的传播。这是一个危险的问题，引发争端并危及社会稳定与和谐。由于其恶性本质，假新闻传播已引起研究人员的关注。从互联网到有线电视、付费广告和地方新闻机构等所有媒体中错误信息的扩散，使得人们有必要识别错误信息并梳理事实。研究人员正试图分析信息的可信度并遏制此类平台上的虚假信息。可信度是指手头信息的可信性。由于假新闻的制造意图和新闻的多元性质，分析假新闻的可信度具有挑战性。在这项工作中，我们提出了一种检测假新闻的模型。我们的方法在新闻早期阶段即新闻已发布但尚未通过社交媒体传播时调查其内容。我们的工作通过自动特征提取和文本片段的相关性来解释内容。总之，我们引入立场作为文章内容之外的特征之一，并采用预训练的上下文词嵌入BERT来获得假新闻检测的state-of-art结果。在真实世界数据集上进行的实验表明，我们的模型优于先前的工作，并以95.32%的准确率实现假新闻检测。
引用
@article{arxiv.2105.10272,
title = {Stance Detection with BERT Embeddings for Credibility Analysis of Information on Social Media},
author = {Hema Karande and Rahee Walambe and Victor Benjamin and Ketan Kotecha and T. S. Raghu},
journal= {arXiv preprint arXiv:2105.10272},
year = {2021}
}