本期我们选取了一篇ACL2022的发表工作。该工作由中科院计算所数字内容合成与伪造检测实验室、中国科学院大学等单位完成，曹娟研究员指导，论文第一作者盛强进行录制。

1『作者信息』

Qiang Sheng (Institute of Computing Technology, Chinese Academy of Sciences & University of Chinese Academy of Sciences), Juan Cao (Institute of Computing Technology, Chinese Academy of Sciences & University of Chinese Academy of Sciences), Xueyao Zhang (Institute of Computing Technology, Chinese Academy of Sciences & University of Chinese Academy of Sciences), Rundong Li (Institute of Computing Technology, Chinese Academy of Sciences & University of Chinese Academy of Sciences), Danding Wang (Institute of Computing Technology, Chinese Academy of Sciences), Yongchun Zhu (Institute of Computing Technology, Chinese Academy of Sciences & University of Chinese Academy of Sciences)

2『论文摘要』

现有的假新闻检测方法往往选择拉近观察（“zoom in”），通过捕捉特定行文模式、基于知识库验证内容真实性、考虑用户评论，以对给定新闻的真实性做出判断。这些方法忽略了假新闻创作和传播时所处新闻环境中蕴含的信息：为了提高影响力和破坏力，假新闻往往存在“蹭热点”倾向，这使得新闻环境反映的近期主流的媒体焦点和群众关切，成为了假新闻创作中的重要参考。例如，中国男足1-3负于越南男足后，网上立刻流传起“击败国足的越南足球队队长在农贸市场卖虾谋生”的不实信息。基于上述思考，我们认为拉远焦点（“zoom out”），观察给定新闻与其所在新闻环境的关系，可以为假新闻检测提供全新的视角。本文提出新闻环境感知框架（NEP），通过在宏观环境中观察给定新闻的流行度，在微观环境中观察其新颖度，捕捉有用信息用于假新闻检测。据我们所了解，这是首个考虑新闻环境信息的假新闻检测工作。实验表明NEP框架可以在缺少核查信息、跨不同时段和类别高度不平衡场景下取得良好性能。

3『论文贡献』

  1. 本文首次提出了使用新闻环境信息增强虚假新闻检测，打破了“事实信息应当作为证据”的惯性思维。
  2. 以新闻环境为基准，本论文首次探索在检测模型中对造假者的传播意图进行定量刻画。
  3. 本文提出的框架在跨时段划分、类别高度不平衡等场景下，均取得了良好的检测性能。

4『一句话论文简介』

本论文通过建模新闻传播时的环境信息，从流行度和新颖度两个角度出发，刻画了假新闻背后的传播意图，有效提高了对新发事件中虚假新闻的检测性能。

5『论文信息与链接』

Qiang Sheng, Juan Cao, Xueyao Zhang, Rundong Li, Danding Wang, Yongchun Zhu. Zoom Out and Observe: News Environment Perception for Fake News Detection. ACL 2022.

文章链接：https://aclanthology.org/2022.acl-long.311.pdf

代码链接: https://github.com/ICTMCG/News-Environment-Perception

B站观看链接：https://www.bilibili.com/video/av303639489/

内容中包含的图片若涉及版权问题，请及时与我们联系删除