
摘要
识别公众误导信息是一项复杂且具有挑战性的任务。验证某一特定声明的真实性的一个重要环节是评估不同新闻来源对该声明的态度。自动态度评估,即立场检测,无疑将有助于事实核查的过程。在本文中,我们介绍了我们的立场检测系统,该系统在“假新闻挑战赛”第一阶段中获得了第三名的成绩。尽管我们的方法相对直接,但系统的性能与前两名获胜团队所使用的复杂集成模型相当。因此,我们将该系统作为“假新闻挑战赛”立场检测任务的“简单但难以超越的基线”提出。
代码仓库
gabrielsaruhashi/anti-fake
tf
GitHub 中提及
uclnlp/fakenewschallenge
tf
GitHub 中提及
pmallari/AmazonSentimentAnalysis
pytorch
GitHub 中提及
chimera-detector/Extension
GitHub 中提及
harshita97/hoaxbait
tf
GitHub 中提及
chimera-detector/Server
tf
GitHub 中提及
chimera-detector/experienceExtension
GitHub 中提及
ankitp544/stance_detection
tf
GitHub 中提及
uclmr/fakenewschallenge
官方
tf
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| fake-news-detection-on-fnc-1 | 3rd place at FNC-1 - Team UCL Machine Reading (Riedel et al., 2017) | Per-class Accuracy (Agree): 44.04 Per-class Accuracy (Disagree): 6.60 Per-class Accuracy (Discuss): 81.38 Per-class Accuracy (Unrelated): 97.90 Weighted Accuracy: 81.72 |