通过因果去偏的未见假新闻检测

假新闻在社交媒体上的广泛传播带来了重大风险，需要及时准确的检测。然而，现有方法由于依赖来自过去事件和领域的训练数据，在处理未见新闻时面临困难，使得检测新型假新闻的挑战基本未得到解决。为解决这一问题，我们识别了与特定领域相关的训练数据偏差，并提出了一种去偏解决方案FNDCD。源自因果分析，FNDCD采用基于分类置信度和传播结构正则化的重加权策略，以减少领域特定偏差的影响，增强未见假新闻的检测能力。在具有不重叠新闻领域的真实数据集上的实验证明了FNDCD在跨领域泛化方面的有效性。