多样性是生活之荫：基于动态环境表示检测虚假信息
计算与语言
2025-08-06 v1 社会与信息网络
摘要
虚假信息在各类社交媒体平台的传播引起了学术界和工业界的广泛关注，因其造成的负面影响。为此，自动区分虚假信息（称为虚假信息检测，MD）日益成为活跃的研究主题。主流方法将 MD 表述为静态学习范式，即学习新闻文章内容、链接及其传播方式与相应手动真实性标签之间的映射。然而，静态假设常被违背，因为在现实场景中，新闻文章的真实性可能在动态演化的社交环境中起伏。为解决此问题，我们提出了一种新框架，即利用动态环境表示进行虚假信息检测（MISDER）。MISDER 的基本思想是为每个时期学习社交环境表示，并采用时序模型预测未来时期的表示。本文将时序模型指定为 LSTM 模型、连续动力学方程和预训练动力系统，分别提出了三种 MISDER 变体，即 MISDER-LSTM、MISDER-ODE 和 MISDER-PT。为评估 MISDER 的性能，我们将其与各种 MD 基线方法进行比较，实验结果表明我们提出的模型有效。
引用
@article{arxiv.2508.03420,
title = {Variety Is the Spice of Life: Detecting Misinformation with Dynamic Environmental Representations},
author = {Bing Wang and Ximing Li and Yiming Wang and Changchun Li and Jiaxu Cui and Renchu Guan and Bo Yang},
journal= {arXiv preprint arXiv:2508.03420},
year = {2025}
}
备注
Accepted by CIKM 2025. 11 pages, 4 figures. Code: https://github.com/wangbing1416/MISDER