Search, Examine and Early-Termination: Fake News Detection with Annotation-Free Evidences

先驱研究者认识到，除了模式之外，证据也是发现假新闻的关键因素。现有的证据感知方法要么需要费力的预处理程序来确保相关和高质量的证据数据，要么在所有新闻案例中都包含了可用证据的整个范围，而不考虑检索到的数据的质量和数量。在本文中，我们提出了一种名为SEE的方法，该方法使用早期终止机制从无注释证据中检索有用的信息。所提出的SEE由三个主要阶段构成：使用新闻作为查询搜索在线材料，并直接使用它们的标题作为证据，无需任何注释或过滤程序；通过注意机制逐个检查新闻和每个证据，以生成具有检索信息的新隐藏状态；通过评估是否有足够的信心产生正确的预测，允许在检查循环中进行早期终止。我们在包括未经处理的证据数据集（即Weibo21，GossipCop）和经过处理的证据数据集（即Snopes和PolitiFact）上进行了广泛的实验。实验结果表明，所提出的方法优于现有的最先进方法。

解决问题：论文旨在解决假新闻检测中存在的证据质量和数量问题，提出一种从网络搜索的无注释证据中检索有用信息的方法。

关键思路：论文提出的方法名为SEE，包括三个主要阶段：使用新闻作为查询，通过注意机制逐个检查每个证据，以产生新的隐藏状态并允许早期终止以评估是否有足够的置信度进行正确的预测。

其他亮点：论文在Weibo21、GossipCop、Snopes和PolitiFact数据集上进行了广泛的实验，结果表明该方法优于现有的最先进方法。该论文的方法可以避免繁琐的预处理程序，同时还考虑了证据的质量和数量。

相关研究：最近的相关研究包括：FakeNewsNet、LIAR、BERT等。