FakingRecipe: Detecting Fake News on Short Video Platforms from the Perspective of Creative Process

随着短视频分享平台成为新闻消费的重要渠道，短视频中的虚假新闻已经成为在线信息生态系统中的严重威胁，因此开发针对这种新情况的检测方法已成为迫切需要。与文本和图像格式中的虚假新闻相比，短视频平台上的虚假新闻包含了丰富但异质的各种形式的信息，这给有效特征利用带来了挑战。不同于现有的工作大多关注于分析呈现的内容，我们引入了一个新的视角，考虑了虚假新闻是如何制作出来的。通过新闻视频制作背后的创作过程的视角，我们的实证分析揭示了虚假新闻视频在素材选择和编辑方面的独特特征。基于所得的见解，我们设计了FakingRecipe，这是一个考虑到创作过程的模型，用于检测虚假新闻短视频。它从情感和语义方面捕捉了虚假新闻素材选择的偏好，并考虑了从空间和时间方面的素材编辑特征。为了提高评估的全面性，我们首先构建了FakeTT，一个用于此任务的英文数据集，并在FakeTT和现有的中文FakeSV数据集上进行了实验。结果显示，FakingRecipe在检测短视频平台上的虚假新闻方面具有优越性。

本论文试图解决短视频平台上的假新闻检测问题，提出了一种考虑新闻视频制作创作过程的检测模型。

本文提出了一种创意过程感知的模型FakingRecipe，从情感和语义方面捕捉了假新闻素材选择的特征，并考虑了素材编辑的时空特征。

本文通过分析新闻视频制作的创作过程，揭示了短视频平台上假新闻视频在素材选择和编辑方面的特点。作者构建了英文数据集FakeTT，并在FakeTT和现有的中文FakeSV数据集上进行了实验，结果表明FakingRecipe在短视频平台上检测假新闻方面具有优越性。

与本文相关的研究包括基于内容和上下文的假新闻检测方法，以及利用深度学习技术检测假新闻的方法。其中一些论文包括：“A Survey of Fake News: Fundamental Theories, Detection Methods, and Opportunities”和“Fake News Detection on Social Media: A Data Mining Perspective”。