©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