3HAN: A Deep Neural Network for Fake News Detection

要約

フェイクニュースの急速な拡散は深刻な問題であり、AI ソリューションが求められています。
当社では、フェイク ニュースを迅速かつ正確に検出するために、3 レベルの階層的アテンション ネットワーク (3HAN) を介したディープラーニング ベースの自動検出器を採用しています。
3HAN には、単語、文、見出しの 3 つのレベルがあり、階層的なボトムアップ方式で記事を処理することにより、入力ニュース記事の効果的な表現であるニュース ベクトルを構築します。
見出しはフェイクニュースの特徴であることが知られており、さらに、記事内の比較的少数の単語や文が残りの部分よりも重要です。
3HAN は、3 つの注意層に基づいて、記事の各部分に異なる重要性を与えます。
大規模な実世界のデータセットでの実験により、96.77% の精度で 3HAN の有効性が観察されました。
他のディープ ラーニング モデルとは異なり、3HAN は記事のさまざまな部分に与えられたアテンション ウェイトを通じて理解可能な出力を提供します。これはヒートマップを通じて視覚化できるため、手動による事実確認をさらに進めることができます。

要約(オリジナル)

The rapid spread of fake news is a serious problem calling for AI solutions. We employ a deep learning based automated detector through a three level hierarchical attention network (3HAN) for fast, accurate detection of fake news. 3HAN has three levels, one each for words, sentences, and the headline, and constructs a news vector: an effective representation of an input news article, by processing an article in an hierarchical bottom-up manner. The headline is known to be a distinguishing feature of fake news, and furthermore, relatively few words and sentences in an article are more important than the rest. 3HAN gives a differential importance to parts of an article, on account of its three layers of attention. By experiments on a large real-world data set, we observe the effectiveness of 3HAN with an accuracy of 96.77%. Unlike some other deep learning models, 3HAN provides an understandable output through the attention weights given to different parts of an article, which can be visualized through a heatmap to enable further manual fact checking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google