Core Concepts
ニュースコンテンツと証拠コンテンツの両方に存在するバイアスを緩和することで、ニュースと証拠の推論を改善し、ドメイン外分布への適応性を高める。
Abstract
本研究では、ニュースと証拠の内容に存在するバイアスを緩和するための新しい双対的な敵対的学習(DAL)アプローチを提案した。
具体的には以下の通り:
ニュースの特徴表現とエビデンスの特徴表現を別々に作成し、それぞれのバイアスを除去するための2つの識別器を導入した。
主要なフェイクニュース予測器と2つの識別器を同時に最適化することで、ニュースと証拠の推論を改善しつつ、コンテンツバイアスの影響を最小限に抑えた。
2つのドメイン外分布設定(クロスプラットフォームとクロストピック)で実験を行い、提案手法がベースラインモデルや既存の脱バイアス手法よりも優れた性能を示すことを確認した。
Stats
ニュースと証拠の内容に存在するバイアスが、ドメイン外分布環境でのフェイクニュース検出の性能を大きく低下させる。
提案手法のDALは、ニュースコンテンツバイアスと証拠コンテンツバイアスの両方を効果的に緩和できる。
Quotes
"ニュースコンテンツバイアスと証拠コンテンツバイアスの両方を緩和することで、ニュースと証拠の推論を改善し、ドメイン外分布への適応性を高められる。"
"DALは、既存のバックボーンモデルに対して安定して大幅な性能向上をもたらす。"