كشف الأخبار المزيفة الواعٍ بالأدلة خارج نطاق التوزيع عبر إزالة التحيز المضادة المزدوجة

يهدف كشف الأخبار المزيفة الواعٍ بالأدلة إلى إجراء استنتاج بين الأخبار والأدلة، والتي يتم استرجاعها بناءً على محتوى الأخبار، للبحث عن التناسق أو التناقض. ومع ذلك، نجد أن نماذج الكشف الواعٍ بالأدلة تعاني من تحيزات، أي ارتباطات زائفة بين محتويات الأخبار/الأدلة وتسميات الأخبار الحقيقية/المزيفة، وصعوبة تعميمها على الحالات خارج نطاق التوزيع (OOD). للتعامل مع هذا، نقترح نهج جديد للتعلم المضاد المزدوج (DAL). نقوم بدمج فئات إزالة التحيز الخاصة بالأخبار والأدلة، التي تستهدف كلا من تسميات الأخبار الحقيقية/المزيفة، في DAL. ثم، يقوم DAL بتحسين عكسياً فئات إزالة التحيز الخاصة بالأخبار والأدلة لتخفيف تأثير تحيزات محتوى الأخبار والأدلة. في الوقت نفسه، يقوم DAL أيضًا بتحسين المنبئ الرئيسي للأخبار المزيفة، بحيث يمكن تعلم وحدة تفاعل الأخبار والأدلة. هذه العملية تتيح لنا تعليم نماذج كشف الأخبار المزيفة الواعٍ بالأدلة لإجراء استنتاج أفضل بين الأخبار والأدلة، وتقليل تأثير تحيزات المحتوى. تجدر الإشارة إلى أن نهج DAL الذي اقترحناه هو وحدة تعمل بشكل جيد مع الهياكل الخلفية الموجودة. نقوم بإجراء تجارب شاملة تحت إعدادين من حالات OOD، ونقوم بتوصيل DAL بأربعة هياكل كشف الأخبار المزيفة الواعٍ بالأدلة. تظهر النتائج أن DAL تفوق بشكل ملحوظ وثابت على الهياكل الخلفية الأصلية وبعض طرق إزالة التحيز المنافسة.