利用深度网络与迁移学习应对虚假信息
计算与语言
2019-05-28 v1 人工智能
机器学习
摘要
我们应用由字符级卷积神经网络(CNN)与长短期记忆(LSTM)组成的集成流水线，作为应对一系列虚假信息问题的通用工具。我们还展示了使用该架构将已标注数据从一个领域的知识迁移到相关(监督与无监督)任务的能力。字符级神经网络与迁移学习在虚假信息领域尤为有价值的工具，因为社交媒体杂乱、缺乏标注数据以及影响行动的多渠道策略。我们在若干与虚假信息检测相关的任务中展示了其有效性：垃圾邮件、评论轰炸、政治情感与对话聚类。
引用
@article{arxiv.1905.10412,
title = {Using Deep Networks and Transfer Learning to Address Disinformation},
author = {Numa Dhamani and Paul Azunre and Jeffrey L. Gleason and Craig Corcoran and Garrett Honke and Steve Kramer and Jonathon Morgan},
journal= {arXiv preprint arXiv:1905.10412},
year = {2019}
}
备注
AI for Social Good Workshop at the International Conference on Machine Learning, Long Beach, United States (2019)