MCFEND: A Multi-source Benchmark Dataset for Chinese Fake News Detection

在各种在线信息来源中，虚假新闻的流行对公众产生了重要影响。现有的中文虚假新闻检测数据集仅限于来自微博的新闻。然而，来自多个来源的虚假新闻在各个方面（包括内容和社会背景）都呈现出多样性。仅在单一新闻来源上训练的方法几乎无法应用于实际情况。我们的试验表明，学习自大型中文虚假新闻检测数据集Weibo-21的最先进方法的F1分数，在测试数据改为多源新闻数据时，从0.943显著下降至0.470，未能识别超过三分之一的多源虚假新闻。为了解决这个限制，我们构建了中文虚假新闻检测的第一个多源基准数据集，称为MCFEND，其中包括我们从社交平台、消息应用和传统在线新闻媒体等各种来源收集的新闻。值得注意的是，这些新闻已经被全球14个权威的事实核查机构核实。此外，我们在跨来源、多来源和未知来源的方式下，对各种现有的中文虚假新闻检测方法进行了全面评估。作为一个基准数据集，MCFEND旨在推动中文虚假新闻检测方法在实际情况下的发展。

论文旨在解决中国多源假新闻检测的问题，现有数据集仅限于单一新闻源，无法应用于实际场景。

构建了第一个多源假新闻检测基准数据集MCFEND，该数据集包含来自多个社交平台、消息应用和传统在线新闻媒体的新闻，并由全球14个权威事实核查机构进行了事实核查。

论文评估了现有的多种中文假新闻检测方法在MCFEND数据集上的表现，并提出了跨源、多源和未见过源的评估方式。实验结果表明，现有方法在多源数据上的表现明显下降，需要更好的解决方案。

与此相关的研究包括《A Survey on Detection Methods of Fake News》、《A Survey of Fake News: Fundamental Research Questions》等。