双分支假新闻检测模型

准确率领先基线

以声明为线索，并行提取全局与局部依赖，缓解长尾数据带来的训练偏差。

Mou, Cong · 刘露 · Han, Jiayu · Zhu, Beibei · Yuan, Xiaosong · Peng, Tao

Expert Systems with Applications 2025

参数信息

准确率提升

1.7 %

公开数据集数量

5

技术优势

全局局部一起抓

并行分支分别用ClaimAddNet和CPMLP提取全局与局部依赖，比注意力模型更能理解修辞手法。

声明当线索

引入声明作为支持线索，增强模型对新闻核心断言的理解，提升检测性能。

长尾数据不用愁

可调权重重采样方法解决数据集不平衡问题，避免偏向多数类。

应用场景

• 虚假信息治理：自动识别虚假信息，辅助监管部门快速响应。
• 社交媒体内容审核：过滤社交媒体上的假新闻帖子，减轻人工审核压力。
• 新闻真实性核验：对新闻内容进行真伪核验，提升媒体公信力。