用于假新闻检测的X-CapsNet
计算与语言
2023-07-25 v1 计算机与社会
摘要
随着基于网络的论坛与社交媒体的日益普及和使用，新闻消费显著增加。这为误导和混淆人们提供了条件。为帮助降低错误信息对用户潜在健康相关决策及其他意图的影响，亟需能够自动检测并抵御假新闻的机器学习模型。本文提出一种基于Transformer并使用胶囊神经网络（CapsNet）的 novel 模型，称为X-CapsNet。该模型包含一个带动态路由算法的CapsNet，并配合基于长度的分类器以检测短与长假新闻陈述。我们使用两个基于长度的分类器：用于检测长假新闻陈述的深度卷积神经网络（DCNN）和用于检测短新闻陈述的多层感知机（MLP）。为解决短新闻陈述的表示问题，我们使用由新闻间接特征拼接而成的向量，这些特征通过将新闻发布者画像向量与新闻陈述的情感极性、情感倾向及词频计数向量拼接得到。为评估所提架构，我们使用Covid-19与Liar数据集。在Covid-19数据集上的F1-score以及在Liar数据集上的准确率结果表明，该模型优于SOTA基线。
引用
@article{arxiv.2307.12332,
title = {X-CapsNet For Fake News Detection},
author = {Mohammad Hadi Goldani and Reza Safabakhsh and Saeedeh Momtazi},
journal= {arXiv preprint arXiv:2307.12332},
year = {2023}
}