常识冲突增强方法

即插即用

通过揭示文章中的常识冲突来生成增强表达，使现有虚假信息检测方法无需修改即可获得稳定提升。

Bing, Wang · 李熙铭 · 里长春 · BingRui, Zhao · Guan, Ren Chu · 伍林 · Han, Jungong

IEEE Transactions on Knowledge and Data Engineering 2026

技术优势

即插即用

生成的常识冲突增强数据可直接用于训练任何现有虚假信息检测模型，无需修改模型架构或训练流程。

显著提升

在四个公开基准数据集和 CoMis 数据集上，DEMUC 的两个变体均一致且显著超过现有检测基线。

生成精准常识

该方法能够生成精确的常识表达，有效地指出文章中的常识冲突，为检测提供可解释的依据。

应用场景

• 虚假信息检测：为现有检测模型提供训练数据增强，无需改动模型即可提升效果。
• 内容审核：帮助平台识别并过滤包含常识冲突的虚假内容，提高审核准确性。
• 事实核查：通过常识冲突信号辅助核查人员快速定位可疑陈述，提高核查效率。