[论文解读] DEAN: Learning Dual Emotion for Fake News Detection on Social Media

Chuan Guo, Juan Cao+3 more|arXiv (Cornell University)|Mar 5, 2019

Misinformation and Its Impacts参考文献 27被引用 26

一句话总结

本文提出DEAN，一种新颖的基于双重情绪的虚假新闻检测框架，通过联合学习微博内容和用户评论中的情绪表征，以提升检测准确率。通过建模发布者驱动的情绪内容与用户反应性情绪响应，DEAN在真实世界数据集上实现了最先进性能，证明了双重情绪建模在社交媒体虚假新闻治理中的价值。

ABSTRACT

Microblogging is a popular way for people to post, share, and seek information due to its convenience and low cost. However, it also facilitates the generation and propagation of fake news, which could cause detrimental societal consequences. Detecting fake news on microblogs is important for societal good. Emotion is considered a significant indicator in many fake news detection studies, and most of them utilize emotion mainly through users stances or simple statistical emotional features. In reality, the publishers typically post either a piece of news with intense emotion which could easily resonate with the crowd, or a controversial statement unemotionally aiming to evoke intense emotion among the users. However, existing studies that exploiting the emotion information from both news content and user comments corporately is ignored. Therefore, in this paper, we study the novel problem of learning dual emotion for fake news detection. We propose a new Dual Emotion-based fAke News detection framework (DEAN), which can i) learn content- and comment- emotion representations for publishers and users respectively; and ii) exploit the dual emotion representations simultaneously for fake news detection. Experimental results on real-world datasets demonstrate the effectiveness of the proposed framework.

研究动机与目标

• 通过联合建模新闻内容和用户评论中的情绪，填补虚假新闻检测中的研究空白。
• 认识到虚假新闻常通过情绪化内容或刻意挑衅的言论传播，以引发用户反应。
• 构建一个统一框架，捕捉双重情绪信号——来自发布者的新闻内容情绪与来自用户的评论情绪。
• 通过在单一架构中融合来自两个来源的互补情绪线索，提升检测性能。
• 在真实世界的微博场景中，验证双重情绪表征学习的有效性。

提出的方法

• 提出一种基于双重情绪的虚假新闻检测框架（DEAN），分别对新闻内容和用户评论中的情绪进行编码。
• 使用深度神经网络从发布者发布的微博文本中学习内容级别的情绪表征。
• 应用序列建模技术提取用户评论级别的情绪表征，以捕捉集体情绪反应。
• 通过晚期融合机制整合内容与评论情绪表征，用于最终的虚假新闻分类。
• 使用标注的虚假与真实新闻样本中的监督信号，端到端训练整个框架。
• 采用注意力机制，突出内容和评论中关键情绪短语，以提升表征学习效果。

实验结果

研究问题

• RQ1 联合建模新闻内容和用户评论中的情绪是否能提升虚假新闻检测性能？
• RQ2 内容级别与评论级别的情绪表征在虚假新闻检测中分别发挥何种不同作用？
• RQ3 捕捉双重情绪信号——发布者意图与用户反应——是否优于单一来源的情绪建模？
• RQ4 DEAN框架在具有不同情绪表达模式的多样化真实世界微博数据集上是否具备鲁棒性？
• RQ5 内容中情绪强度与评论中情绪极化程度，对虚假新闻检测的相对贡献如何？

主要发现

• 通过联合建模双重情绪表征，DEAN在真实世界微博数据集上实现了最先进性能。
• 内容与评论情绪的联合整合显著优于仅使用单一来源情绪信息的模型。
• 用户评论情绪表征在检测那些旨在引发强烈反应但缺乏明显情绪语言的新闻时尤为有效。
• 发布者内容情绪对具有明显情绪表达的新闻具有高度预测性，证实其在检测中的价值。
• 双重情绪框架在不同数据集上均表现出鲁棒性，表明其具备超越特定平台特征的泛化能力。
• 消融实验确认，内容情绪与评论情绪两个组件均对最终检测性能有显著贡献。