EA2N: EVIDENCE-BASED AMR ATTENTION NETWORK FOR FAKE NEWS ETECTION
Ea2n:基于证据的抽象语义表示注意力网络假新闻检测
摘要:该研究包括来自维基数据的外部知识,并偏离了许多最先进(SOTA)事实核查模型采用的对社会信息的依赖来检测假新闻。该文提出了一种基于证据的AMR注意力网络EA2N用于假新闻检测。EA2N利用抽象语义表示(AMR),并使用提出的证据链接算法从维基数据中融合知识,突破了假新闻检测的边界。所提出的框架包含了新颖语言编码器和图编码器的组合来检测假新闻。语言编码器有效地结合了transformer编码的文本特征和情感词汇特征,而图编码器通过外部知识将AMR编码为证据,称为WikiAMR图。设计了一个路径感知的图学习模块,用于通过证据捕获实体之间的关键语义关系。广泛的实验支持了该模型的卓越性能,超过了SOTA方法。该研究不仅推进了假新闻检测领域的发展,还展示了AMR和外部知识在鲁棒的NLP应用中的潜力,有望提供更可信的信息图景。
1 介绍
利用外部知识进行事实核查进行假新闻检测是假新闻检测的方法之一。当前,基于知识的方法主要有KAN、FinerFact、Dual-CAN等,KAN模型利用了来自维基数据(Wikidata)的外部证据,FinerFac