Gated Cross Attention حسّن كشف الأخبار الكاذبة تحت إعادة الصياغة العاطفية
الطريقة جمعت الخبر المعاد صياغته مع شروح مولدة بـ LLM وحققت أداء أفضل عبر نسخ عاطفية مختلفة في PolitiFact وLUN.
استخدم نظام جديد لكشف الأخبار الكاذبة شروحًا مولدة بـ LLM ليبقى أكثر ثباتًا عندما يُعاد كتابة الخبر نفسه بنبرة عاطفية مختلفة.
ركز العمل على حالة صعبة: بقيت الفكرة أو الادعاء نفسه، لكن الصياغة أصبحت أكثر غضبًا أو هدوءًا أو لونًا عاطفيًا آخر.
تساعد البوابة على تقليل الخلل الذي تسببه إعادة الصياغة العاطفية.
ولاختبار ذلك، أنشأ النظام مجموعات تقييم يعاد فيها كتابة الأخبار عاطفيًا انطلاقًا من المقالات الأصلية. كما ولّد شروحًا من النص الأصلي لتعمل كمعرفة خلفية ثابتة.
اعتمد النموذج على بنية اسمها Gated Cross Attention (GCA). ببساطة، هذا يعني أنه تعلّم متى يعتمد على الخبر المعاد صياغته ومتى يمنح الشرح وزنًا أكبر.
هذه الفكرة مهمة لأن اللغة العاطفية قد تشتت الكاشف عن الإشارة الأساسية. البوابة تساعد على تقليل هذا الخلل.
في الاختبارات على PolitiFact وGossipCop وLUN، حققت الطريقة تحسنًا ملحوظًا تحت عدة ظروف عاطفية على PolitiFact وLUN.
أما على GossipCop، فبقي الأداء منافسًا من دون تفوق واضح. أي أن المكسب لم يكن متساويًا في كل مجموعة.
كما درس المؤلفون مقدار تأثير توجيه الشرح وآلية البوابة تحت الحالات العاطفية المختلفة.
أُتيحت الشيفرة والبيانات مع الورقة.
والحدود واضحة من الملخص: كانت النتائج الأقوى على PolitiFact وLUN، وعلى GossipCop كان الأداء فقط منافسًا، والملخص لا يبين كيف يعمل الأسلوب خارج هذه المجموعات أو هذه الظروف العاطفية.
المصدر: arXiv cs.CL