?PaperWeekly 原創 ·?作者?|?金金

單位?|?阿里巴巴研究實習生

研究方向?|?推薦系統

簡介

近年來，虛假信息和假新聞對個人和社會造成了不利影響，引起了對假新聞檢測的廣泛關注。大多數現有的假新聞檢測算法專注于挖掘新聞內容和/或周圍的外生上下文以發現欺騙性信號；而忽略了用戶在決定是否傳播假新聞時的內在偏好。

確認偏見理論表明，當用戶確認他/她現有的信念/偏好時，它更有可能傳播一條假新聞。用戶的歷史、社交活動（例如帖子）提供了有關用戶對新聞的偏好的豐富信息，并且具有促進假新聞檢測的巨大潛力。然而，探索用戶對假新聞檢測偏好的工作有些有限。

因此，在本文中，作者研究了利用用戶偏好進行假新聞檢測的新問題。作者提出了一個新框架 UPFD，它通過聯合內容和圖形建模同時捕獲來自用戶偏好的各種信號。在真實數據集上的實驗結果證明了所提出框架的有效性。

論文標題：

User Preference-aware Fake News Detection

論文來源：

SIGIR 2021

論文鏈接：

https://arxiv.org/abs/2104.12259

模型

本文的模型主要包含三個部分。

首先，給定一條新聞，作者抓取參與新聞的用戶的歷史帖子，以了解用戶的內生偏好。作者通過使用文本表示學習技術（例如，word2vec、BERT）對歷史帖子進行編碼來隱式提取參與用戶的偏好。新聞文本數據使用相同的方法進行編碼。

其次，為了利用用戶的外部上下文，本文根據其在社交媒體平臺上的參與信息（例如，在 Twitter 上轉發）構建新聞傳播圖。

第三，作者設計了一個分層信息融合過程來融合用戶內生偏好和外生上下文。具體來說，作者使用 GNN 作為圖編碼器獲得用戶參與嵌入，其中由文本編碼器編碼的新聞和用戶嵌入被用作新聞傳播圖中相應的節點特征。最終的新聞嵌入由用戶參與嵌入和新聞文本嵌入的拼接組成，具體模型圖如下。

實驗

作者首先和已有的虛假新聞檢測模型進行了對比，可以發現，通過對用戶內生偏好進行隱式建模，在已有的公開數據集上可以取得優于其他模型的效果。

另外，作者對比了已有的圖神經網絡和文本表征技術在該模型中的表現能力，發現 BERT 和 GraphSAGE 的組合取得了最好的效果。

最后，作者對比了去掉對內生偏好建模和對外生上下文建模對模型效果的影響，發現二者均會降低模型性能，而去掉內生偏好建模后，模型性能下降更大，說明對內生偏好建模的確對虛假新聞檢測很有幫助。

結論

在本文中，作者認為用戶內生的新聞消費偏好在假新聞檢測問題中起著至關重要的作用。為了驗證這一論點，作者收集用戶歷史帖子以對用戶內生偏好進行隱式建模，并利用社交媒體上的新聞傳播圖作為用戶的外生社交背景。

作者提出了一種名為 UPFD 的端到端假新聞檢測框架，以融合內生和外生信息并預測新聞在社交媒體上的可信度。實驗結果證明了該模型對用戶內生偏好建模的優勢。

更多閱讀

#投 稿?通 道#

?讓你的文字被更多人看到?

如何才能讓更多的優質內容以更短路徑到達讀者群體，縮短讀者尋找優質內容的成本呢？答案就是：你不認識的人。

總有一些你不認識的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋梁，促使不同背景、不同方向的學者和學術靈感相互碰撞，迸發出更多的可能性。?

PaperWeekly 鼓勵高校實驗室或個人，在我們的平臺上分享各類優質內容，可以是最新論文解讀，也可以是學術熱點剖析、科研心得或競賽經驗講解等。我們的目的只有一個，讓知識真正流動起來。

?????稿件基本要求：

? 文章確系個人原創作品，未曾在公開渠道發表，如為其他平臺已發表或待發表的文章，請明確標注?

? 稿件建議以?markdown?格式撰寫，文中配圖以附件形式發送，要求圖片清晰，無版權問題

? PaperWeekly 尊重原作者署名權，并將為每篇被采納的原創首發稿件，提供業內具有競爭力稿酬，具體依據文章閱讀量和文章質量階梯制結算

?????投稿通道：

? 投稿郵箱：hr@paperweekly.site?

? 來稿請備注即時聯系方式（微信），以便我們在稿件選用的第一時間聯系作者

? 您也可以直接添加小編微信（pwbot02）快速投稿，備注：姓名-投稿

△長按添加PaperWeekly小編

????

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的SIGIR 2021 | 基于用户偏好感知的虚假新闻检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。