WSDMS: Debunk Fake News via Weakly Supervised Detection of Misinforming Sentences with Contextualized Social Wisdom

要約

近年、ソーシャルメディア上で広まり、世間に衝撃を与えた誤った未確認の情報（噂など）が爆発的に増加しているのを私たちは目の当たりにしています。
噂は、ソーシャル メディア ユーザーの間でさまざまな、主に物議を醸す立場の表明を引き起こす可能性があります。
噂の検証とスタンスの検出は異なるタスクですが、関連性があります。
フェイクニュースの誤りを暴くことは、主にニュース記事の真実性を判断することに焦点を当てていますが、フェイクニュースは真実と虚偽の両方の要素を組み合わせていることが多いため、問題を単純化しすぎています。
したがって、記事内の誤った情報の具体的な事例を特定することが重要になります。
この研究では、文レベルの誤った情報を検出することを含む、フェイクニュースの誤りを暴く分野における新しいタスクを調査します。
このタスクにおける大きな課題の 1 つは、真実性に関する文レベルの注釈を備えたトレーニング データセットが存在しないことです。
Multiple Instance Learning (MIL) アプローチに触発されて、私たちは弱い教師付き誤報検出 (WSDMS) と呼ばれるモデルを提案します。
このモデルは、トレーニングにバッグ レベルのラベルのみを必要としますが、ニュース文と注意深く文脈化された関連するソーシャル メディアの会話の助けを​​借りて、文レベルの誤った情報と記事レベルの真実性の両方を推測することができます。
私たちは WSDMS を 3 つの現実世界のベンチマークで評価し、文レベルと記事レベルの両方でフェイク ニュースの誤りを暴く際に既存の最先端のベースラインを上回るパフォーマンスを示します。

要約(オリジナル)

In recent years, we witness the explosion of false and unconfirmed information (i.e., rumors) that went viral on social media and shocked the public. Rumors can trigger versatile, mostly controversial stance expressions among social media users. Rumor verification and stance detection are different yet relevant tasks. Fake news debunking primarily focuses on determining the truthfulness of news articles, which oversimplifies the issue as fake news often combines elements of both truth and falsehood. Thus, it becomes crucial to identify specific instances of misinformation within the articles. In this research, we investigate a novel task in the field of fake news debunking, which involves detecting sentence-level misinformation. One of the major challenges in this task is the absence of a training dataset with sentence-level annotations regarding veracity. Inspired by the Multiple Instance Learning (MIL) approach, we propose a model called Weakly Supervised Detection of Misinforming Sentences (WSDMS). This model only requires bag-level labels for training but is capable of inferring both sentence-level misinformation and article-level veracity, aided by relevant social media conversations that are attentively contextualized with news sentences. We evaluate WSDMS on three real-world benchmarks and demonstrate that it outperforms existing state-of-the-art baselines in debunking fake news at both the sentence and article levels.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google