Jun, 2018

针对虚假新闻挑战赛立场检测任务的回顾性分析

PDF
TL;DR本研究深入分析了 2017 年虚假新闻挑战的实验设置，提出了适用于少数类别的新的评估度量标准，并提出了一个表现与最佳系统相当的新型特征丰富的堆叠 LSTM 模型，同时对其在领域内和领域间的推广效果进行了定量和定性的研究。
fake news challengestance classificationevaluation metricstacked lstm modelgeneralization
发现论文，激发创造
  • 在检查虚假新闻的背景下，结合相似度特征和深度表示学习进行立场检测

    本研究利用深度神经网络结合字符串相似度特征，对假新闻检测问题进行了研究，主要包括利用各类神经网络对新闻标题及新闻文章进行编码表示、相似性比较，并探索利用预训练等额外信息的效果，结果表明，在假新闻检测上，该模型略优于之前的最优模型。

    Nov, 2018

  • 从 Transformer 到 Fake News Challenge 立场检测的迁移学习 (FNC-1) 任务

    本研究利用 Transformer 架構的 BERT、XLNet 和 RoBERTa 進行 Fake News Challenge 中的立場檢測，將 BERT 句子嵌入應用到模型中，取得了最佳表現和狀態下的成果。

    Oct, 2019

  • Fake News Challenge 立场检测任务的简单而强大的基准线

    该论文介绍了一个能够识别公众错误信息、帮助事实核查的简单实用的立场判断系统，它在 Fake News Challenge 的第一阶段中获得第三名，与前两名获胜队伍的复杂集成方法相比表现竞争力，作者将其提议为 Fake News Challenge 立场检测任务的简单但强大的基线。

    Jul, 2017

  • 卷积神经网络和深度神经网络的组合在假新闻检测中的应用

    本文介绍了 Fake News Challenge stage #1 (FNC-1) 数据集并概述了使用该数据集构建伪新闻检测系统的竞争尝试。通过使用不同的自然语言处理技术处理标题和正文文本，提取特征并使用软余弦相似性方法计算相似度。该系统使用深度学习方法进行分类，除了 “disagree” 类别外，其余类别均达到高准确性，最终分类准确率达到 84.6％，在该数据集上排名第二。

    Oct, 2022

  • BaIT: 信息可信度的衡量尺

    该研究提出了一种新的方法来处理假新闻分类任务，采用与自然语言处理相关的预训练编码器模型及两种神经网络，探讨数据增强的方法以解决数据集中类别数量不平衡的问题，并提出了一种新型的句子否定算法来产生代表少数类的样本，通过实验在保持总体表现不变的情况下，显著提高了在假新闻分类任务中重要但数量不足的少数类上的准确性。

    Jun, 2022

  • 结合神经网络、统计和外部特征在假新闻识别中的益处

    本文探讨假新闻鉴别的子任务，即立场检测，并提出了一种新的思路，将神经网络、统计特征和外部特征结合起来，通过深度神经网络将这些特征组合在一起，最终对新闻标题 - 正文进行分类，并在假新闻挑战数据集上进行了实验，结果表明该模型胜于现有的所有技术。

    Dec, 2017

  • 使用字符和单词级 CNN 在推文中检测立场的 SemEval-2016 任务 6 上的 DeepStance

    本文通过利用深度学习中的短文本分类方法来检测推特立场，并采用数据增强技术扩展和多样化训练数据集，结合词级和字符级模型构建分类器最终实现了精度、召回率和 F1 值均在 0.6 以上的结果。

    Jun, 2016

  • 对假新闻立场的取向：基于深度双向 Transformer 语言模型的立场检测自动化虚假信息评估

    本研究旨在探索如何使用大规模深度双向转换器语言模型来准确识别包含虚假信息的新闻文章，通过使用 RoBERTa 深度双向转换器语言模型进行预训练后构建了一个大规模语言模型，在 Fake News Challenge 阶段 1 基准测试中实现了 90.01％的加权准确度，表明了在处理虚假信息识别方面，大规模语言模型可以作为强有力的构建块。

    Nov, 2019

  • 运用语篇关系进行距离微调以进行立场分类

    本论文提出了一种新的方法，通过提取特定的语篇关系信息从原始文本中提取带有银标签的数据，以微调用于态度分类的模型并提出了一个 3 阶段的训练框架，实现了从最嘈杂的数据到最少噪音的数据不断降噪。实验结果表明，自动注释的数据集以及 3 阶段训练有助于改善模型在态度分类中的性能，该方法在 NLPCC 2021 共 26 支队伍竞争的观点分类赛道中排名第一，验证了我们方法的有效性。

    Apr, 2022

  • 基于事实核查的假新闻检测：综述

    该论文从任务和问题、算法策略和数据集的角度对基于事实的假新闻进行了综述和总结，包括任务定义和核心问题、现有的检测方法、经典和新提出的数据集以及已有方法的优势和劣势，并提出了该领域可能面临的若干挑战，期望为该领域的后续工作提供参考。

    Jan, 2024