強化学習によるフェイクニュース検出のための弱い監督

今日、ソーシャルメディアはニュースの主要な情報源となっています。ソーシャルメディアプラットフォームを通じて、フェイクニュースは前例のない速度で広がり、世界中の聴衆に届き、ユーザーやコミュニティに大きなリスクをもたらします。したがって、フェイクニュースをできるだけ早く検出することが非常に重要です。最近、深層学習に基づくアプローチは、フェイクニュース検出において改善された性能を示しています。しかし、そのようなモデルのトレーニングには、大量のラベル付きデータが必要ですが、手動でのアノテーションは時間がかかり、高価です。さらに、ニュースの動的な性質により、アノテーションされたサンプルはすぐに古くなり、新たに発生したイベントに関するニュース記事を代表できなくなる可能性があります。したがって、新鮮で高品質なラベル付きサンプルを取得する方法が、フェイクニュース検出のために深層学習モデルを採用する際の主要な課題です。この課題に対処するために、ユーザーの報告を弱い監督として活用し、フェイクニュース検出のためのトレーニングデータの量を増やす強化弱監督のフェイクニュース検出フレームワーク、すなわちWeFENDを提案します。提案されたフレームワークは、アノテーター、強化選択器、フェイクニュース検出器の3つの主要なコンポーネントから構成されています。アノテーターは、ユーザーの報告に基づいて、ラベルのないニュースに自動的に弱いラベルを付与することができます。強化選択器は強化学習技術を使用して、弱いラベル付きデータから高品質なサンプルを選び、検出器の予測性能を低下させる可能性のある低品質なものをフィルタリングします。フェイクニュース検出器は、ニュースの内容に基づいてフェイクニュースを特定することを目的としています。私たちは、WeChat公式アカウントを通じて公開された大量のニュース記事と関連するユーザー報告に対して提案されたフレームワークをテストしました。このデータセットに対する広範な実験は、提案されたWeFENDモデルが最先端の方法と比較して最高の性能を達成することを示しています.