SIGIR 2021 | 基于用户偏好感知的虚假新闻检测

©PaperWeekly 原创 · 作者 | 金金

单位 | 阿里巴巴研究实习生

研究方向 | 推荐系统

简介

近年来，虚假信息和假新闻对个人和社会造成了不利影响，引起了对假新闻检测的广泛关注。大多数现有的假新闻检测算法专注于挖掘新闻内容和/或周围的外生上下文以发现欺骗性信号；而忽略了用户在决定是否传播假新闻时的内在偏好。

确认偏见理论表明，当用户确认他/她现有的信念/偏好时，它更有可能传播一条假新闻。用户的历史、社交活动（例如帖子）提供了有关用户对新闻的偏好的丰富信息，并且具有促进假新闻检测的巨大潜力。然而，探索用户对假新闻检测偏好的工作有些有限。

因此，在本文中，作者研究了利用用户偏好进行假新闻检测的新问题。作者提出了一个新框架 UPFD，它通过联合内容和图形建模同时捕获来自用户偏好的各种信号。在真实数据集上的实验结果证明了所提出框架的有效性。

论文标题：

User Preference-aware Fake News Detection

论文来源：

SIGIR 2021