基于 Transformer 的 COVID-19 假新闻自动检测系统
计算与语言
2021-01-22 v3
摘要
近年来，Twitter 等在线社交网络的快速技术进步导致虚假信息和假新闻的传播大幅增加。在持续的新冠病毒病（COVID-19）大流行中，错误信息尤为普遍，导致个人接受虚假且可能有害的说法与文章。快速检测假新闻可减少公众中恐慌与混乱的蔓延。在本文的分析中，我们报告了一种方法，用于分析社交媒体上分享的与 COVID-19 大流行相关信息的可靠性。我们的最佳方法基于三个 Transformer 模型（BERT、ALBERT 和 XLNET）的集成来进行假新闻检测。该模型在 ConstraintAI 2021 共享任务“英文 COVID19 假新闻检测”的背景下进行了训练与评估。我们的系统在测试集上获得了 0.9855 的 f1-score，并在 160 支队伍中排名第 5。
引用
@article{arxiv.2101.00180,
title = {Transformer based Automatic COVID-19 Fake News Detection System},
author = {Sunil Gundapu and Radhika Mamidi},
journal= {arXiv preprint arXiv:2101.00180},
year = {2021}
}
备注
First Workshop on Combating Online Hostile Posts in Regional Languages during Emergency Situation, 12 pages