本文提出了一种新颖的图形化社会上下文表示和学习框架——事实新闻图(FANG)，用于假新闻检测。与之前的上下文模型以表现为目标不同，我们关注的是表示学习。与直推模型相比，FANG在训练方面具有可扩展性，因为它不需要维护所有节点，而且在推理时高效，不需要重新处理整个图。我们的实验结果表明，与最新的图形和非图形模型相比，FANG更善于将社会上下文捕捉到高保真的表现中。特别值得一提的是，FANG在假新闻检测方面取得了显著的改进，并且在训练数据有限的情况下具有较强的鲁棒性。我们进一步证明，FANG所学的表示可推广到相关任务，如预测新闻媒体报道的真实性。
成为VIP会员查看完整内容
FANG: Leveraging Social Context for Fake News Detection Using Graph Representation
相关内容
Arxiv
0+阅读 · 2020年11月27日
Arxiv
3+阅读 · 2019年8月22日
Arxiv
5+阅读 · 2018年9月6日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2020年11月27日
Arxiv
3+阅读 · 2019年8月22日
Arxiv
5+阅读 · 2018年9月6日
微信扫码咨询专知VIP会员