VRoC：基于变分自编码器的文本多任务谣言分类器
计算与语言
2021-02-02 v1 机器学习
摘要
社交媒体已变得流行并渗透到我们日常生活的几乎所有方面。虽然在线发布对个人用户非常方便，它也助长了各种谣言的快速传播。谣言的快速广泛传播会造成持续的不利或有害影响。因此，研究人员投入巨大努力以减少谣言的负面影响。为此，谣言分类系统旨在检测、追踪和验证社交媒体中的谣言。此类系统通常包括四个组件：（i）谣言检测器，（ii）谣言追踪器，（iii）立场分类器，以及（iv）真实性分类器。为了改进谣言检测、追踪和验证的最先进水平，我们提出了 VRoC，一个基于 tweet 级变分自编码器的谣言分类系统。VRoC 由一个协同训练引擎组成，该引擎训练变分自编码器（VAE）和谣言分类组件。该协同训练引擎帮助 VAE 调整其潜在表示以对分类器友好。我们还表明 VRoC 能够以高精度对未见过的谣言进行分类。对于 PHEME 数据集，VRoC 在已观测和未观测谣言上，以宏 F1 分数衡量，持续优于几种最先进技术，最高达 26.9%。
引用
@article{arxiv.2102.00816,
title = {VRoC: Variational Autoencoder-aided Multi-task Rumor Classifier Based on Text},
author = {Mingxi Cheng and Shahin Nazarian and Paul Bogdan},
journal= {arXiv preprint arXiv:2102.00816},
year = {2021}
}
备注
Proceedings of The Web Conference 2020