No Place to Hide: Dual Deep Interaction Channel Network for Fake News Detection based on Data Augmentation

要約

タイトル：データ拡張に基づくフェイクニュース検出のためのデュアルディープインタラクションチャネルネットワーク：隠れる場所はない

要約：

– オンラインソーシャルネットワーク（OSN）は、情報伝播のコストが低いため、フェイクニュースの温床となっています。
– 既存の方法は、ニュースの内容と伝播構造に多くの試みを行っていますが、フェイクニュースの検出には以下の2つの課題があります。一つ目は、一意のキーと進化パターンを採掘する方法、二つ目は、高性能モデルを構築するためのサンプル数の不足に対処する方法です。
– 本論文では、伝播トポロジ構造をフルに活用する一般的な方法とは異なり、セマンティック、感情、データ強化の観点からフェイクニュース検出のための新しいフレームワークを提案しています。このフレームワークは、ニュース参加者の感情的な進化パターンを採掘し、コメントを考慮したより包括的で細かいニュース表現を得るためのセマンティックと感情のデュアルディープインタラクションチャネルネットワークを設計しています。
– また、フレームワークは、信頼性に基づいて高品質なラベル付きデータをより多く取得するためのデータ強化モジュールを導入し、分類モデルのパフォーマンスをさらに向上させます。
– 実験の結果、提案手法は、従来の手法を上回る精度を示しました。

要約(オリジナル)

Online Social Network (OSN) has become a hotbed of fake news due to the low cost of information dissemination. Although the existing methods have made many attempts in news content and propagation structure, the detection of fake news is still facing two challenges: one is how to mine the unique key features and evolution patterns, and the other is how to tackle the problem of small samples to build the high-performance model. Different from popular methods which take full advantage of the propagation topology structure, in this paper, we propose a novel framework for fake news detection from perspectives of semantic, emotion and data enhancement, which excavates the emotional evolution patterns of news participants during the propagation process, and a dual deep interaction channel network of semantic and emotion is designed to obtain a more comprehensive and fine-grained news representation with the consideration of comments. Meanwhile, the framework introduces a data enhancement module to obtain more labeled data with high quality based on confidence which further improves the performance of the classification model. Experiments show that the proposed approach outperforms the state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI