TI-CNN：用于假新闻检测的卷积神经网络
计算与语言
2023-01-16 v3 社会与信息网络
摘要
随着社交网络的发展，出于各种商业与政治目的的假新闻大量出现并在网络世界中广泛传播。借助欺骗性文字，人们极易受到假新闻影响，并在未经任何事实核查的情况下分享它们。例如，在2016年美国总统大选期间，关于候选人的各类假新闻通过官方新闻媒与在线社交网络广泛传播。这些假新闻通常发布以抹黑对手或支持己方候选人。假新闻中的错误信息往往旨在激发选民的非理性情绪与热情。此类假新闻有时会带来毁灭性影响，而提升在线社交网络可信度的一个重要目标是及时识别假新闻。本文中我们提出研究假新闻检测问题。自动假新闻识别极为困难，因为基于纯模型的新闻事实核查仍是一个开放问题，且现有模型极少能用于解决该问题。通过对假新闻数据的深入调研，我们从假新闻所用的文本词与图像中识别出大量有用的显式特征。除显式特征外，假新闻所用文字与图像中还存在一些隐藏模式，可通过我们模型中多个卷积层提取的一组潜在特征来捕捉。本文提出一种名为TI-CNN（基于文本与图像信息的卷积神经网络）的模型。通过将显式与潜在特征投影到统一特征空间，TI-CNN同时以文本与图像信息进行训练。在真实世界假新闻数据集上开展的广泛实验证明了TI-CNN的有效性。
引用
@article{arxiv.1806.00749,
title = {TI-CNN: Convolutional Neural Networks for Fake News Detection},
author = {Yang Yang and Lei Zheng and Jiawei Zhang and Qingcai Cui and Zhoujun Li and Philip S. Yu},
journal= {arXiv preprint arXiv:1806.00749},
year = {2023}
}