TieFake：基于标题-文本相似度与情感感知的假新闻检测
计算与语言
2023-04-20 v1 计算机视觉与模式识别
机器学习
社会与信息网络
摘要
假新闻检测旨在检测社交媒体平台上广泛传播的假新闻，其会对公众与政府产生负面影响。已有许多方法被开发以利用新闻图像、文本或视频中的相关信息。然而，这些方法可能存在以下局限：（1）忽略新闻固有的情感信息，而该信息因包含作者的主观意图可能有益；（2）很少关注新闻文章中标题与文本信息之间的关系（相似度），后者常使用无关标题吸引读者注意。为此，我们提出一种新颖的标题-文本相似度与情感感知假新闻检测（TieFake）方法，在统一框架中联合建模多模态上下文信息与作者情感。具体而言，我们分别采用BERT与ResNeSt学习文本与图像表示，并利用发布者情感提取器捕捉新闻内容中作者的主观情感。我们还提出缩放点积注意力机制以捕捉标题特征与文本特征间的相似度。实验在两个公开多模态数据集上进行，结果表明所提方法能显著提升假新闻检测性能。我们的代码见 https://github.com/UESTC-GQJ/TieFake。
引用
@article{arxiv.2304.09421,
title = {TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection},
author = {Quanjiang Guo and Zhao Kang and Ling Tian and Zhouguo Chen},
journal= {arXiv preprint arXiv:2304.09421},
year = {2023}
}
备注
Appear on IJCNN 2023