ACL2021 | 知识对比：基于外部知识的图神经虚假新闻检测

近年来，虚假新闻检测，旨在验证新闻文档是可信的还是伪造的，已越来越受到重视。大多数现有方法严重依赖新闻内容的语言和语义特征，未能有效利用外部知识，而外部知识很可能对确定新闻文档是否可信非常有帮助。在本文中，我们提出了一种名为 CompareNet 的新型端到端图神经模型，该模型通过实体将新闻与知识库 (KB) 进行比较以进行假新闻检测。考虑到假新闻检测与话题/主题相关，我们还整合了主题以丰富新闻的表示。具体地，我们首先为每个包含主题和实体的新闻构建一个有向异质文本图。基于该图，我们设计了一个异质图注意力网络，用于学习主题增强的新闻表示以及编码了新闻内容语义的基于上下文的实体表示。然后通过精心设计的实体对比网络(entity comparison network)将基于上下文的实体表示与相应的基于知识库的实体表示进行对比，以捕获新闻内容和知识库之间的一致性。最后，结合了实体对比特征的主题增强的新闻表示被输入到虚假新闻分类器中。两个基准数据集的实验结果表明，CompareNet 显著优于最先进的方法。