传递结构知识：面向冷启动传播的虚假新闻检测新任务

许多虚假新闻检测研究通过从内容和传播树中提取有效的语义和结构特征，取得了令人鼓舞的性能。然而，这些方法在实际应用中具有挑战，尤其是在使用训练好的传播基模型检测无传播数据（即内容唯一样本）时。针对这一场景，我们研究了一种新任务——冷启动虚假新闻检测，即旨在检测缺失传播信息的内容样本。为实现该任务，我们设计了一种简单而有效的结构对抗网络（Structure Adversarial Net, SAN）框架，以从可用传播数据中学习可迁移特征，以提升内容唯一样本的检测性能。SAN引入结构判别器来估计带传播与无传播学习特征之间的差异性，并进一步学习结构不变特征，以增强现有基于传播的方法对内容唯一样本的泛化能力。我们在三个数据集上进行了定性和定量实验。结果表明，该新任务具有挑战性，而我们的SAN框架效果显著。