基于新闻环境的可解释虚假新闻检测方法

摘要

随着互联网媒体的兴起，社交网络监管难度大，导致虚假新闻在网络平台泛滥，准确识别虚假新闻并生成可解释的结果已经成为研究热点.现有的基于深度学习的可解释虚假新闻检测方法存在信息量少、过度依赖社交上下文的问题.该文通过构建反映主流媒体焦点和公众注意力分布的新闻环境，提出一种基于新闻环境的可解释虚假新闻检测模型.首先构建新闻环境，对构建的新闻环境进行感知学习，捕捉虚假新闻创作时新闻环境中的客观信息，其次，通过评估句子的重要性分数筛选出新闻环境中重要的句子用于生成解释，最后将环境感知向量作为辅助信息进行融合，完成虚假新闻的检测工作.在两个公共数据集上进行的实验表明，该模型在macF1和ROUGE两个指标上较于基线模型均有提升.

关键词

虚假新闻检测 / 可解释性 / 新闻环境 / 感知学习

基金资助

国家自然科学基金项目(61977039)资助