测试基于 BiLSTM 的结构化故事分类器的鲁棒性
计算与语言
2022-05-19 v2 机器学习
摘要
互联网上虚假故事的日益泛滥引发了机器学习界对快速且可扩展的假新闻检测的浓厚兴趣。尽管已出现若干用于此目的的机器学习技术，我们观察到有必要评估噪声对这些技术性能的影响，其中噪声指新闻文章被误标为虚假（或真实）。本工作朝该方向迈出一步，考察了噪声对基于 BiLSTM（双向长短期记忆模型）的假新闻检测前沿结构模型——Karimi 与 Tang 的《用于假新闻检测的层次化话语级结构》（参考文献 9）——的影响。
引用
@article{arxiv.2201.02733,
title = {Testing the Robustness of a BiLSTM-based Structural Story Classifier},
author = {Aftab Hussain and Sai Durga Prasad Nanduri and Sneha Seenuvasavarathan},
journal= {arXiv preprint arXiv:2201.02733},
year = {2022}
}