2021-09-21 16:00:38 - Atualizado em 2021-09-21 18:44:23

Reconhecimento de Fake News: Learning Textual Representations from Multiple Modalities to Detect Fake News

Por Ricardo Marcacini

O trabalho foi aceito no 27th Brazilian Symposium on Multimedia and the Web (WebMedia '21) e aborda dois tópicos principais:

O trabalho propõe o método MVAE-FakeNews, um Variational Autoencoder Multimodal que representa os textos de notícias falsas. O método explora duas modalidades: (i) embeddings geradas pelo modelo de linguagem dependente de contexto Bidiretional Encoder From Transformers (considerado um dos estado-da-arte para tarefas envolvendo texto) que capturam características sintáticas e semânticas dos textos; e (ii) informação de tópicos das notícias falsas, uma vez que notícias falsas são mais frequentes em alguns tópicos bem definidos como política, pandemia, celebridades, ciência, religião, economia, entre outros. Depois de representadas, as notícias falsas são detectadas por meio do AMUC. No AMUC, é definida uma classe de interesse (notícias falsas) e o usuário fornece um conjunto de exemplos desta classe para o algoritmo treinar. Dessa forma, quando um novo exemplo for apresentado ao algoritmo de AMUC, o exemplo pode ser atribuído à classe de interesse ou não. Portanto, é possível minimizar o esforço de rotulação do usuário, uma vez que o mesmo não terá que rotular notícias reais. No cenário de AMUC, o MVAE-FakeNews apresentou melhores resultados em 10 de 12 cenários de avaliação do que outros 9 métodos (8 unimodais e 1 multimodal).

O WebMedia '21 irá acontecer de forma remota de 05 a 12 de novembro de 2021.

 

Mais detalhes: