六文本模型与GNN在社交噪声下虚假信息检测评估

Manar Alsaid发布论文（arXiv:2610.17469），基于2024年3月至2025年3月X平台乌克兰相关标签下50万条推文，在引入预设社交噪声构建的条件下评估六种文本模型和一种图神经网络（GNN）的虚假信息检测性能。结果显示RoBERTa表现最佳，准确率97.17%、Cohen's kappa和MCC均为0.9660、AUC为0.9977；GNN准确率为64.52%、AUC为0.899，作者称其通过利用推文间关系结构获得了高于随机分类的性能。 论文的可解释AI分析（LIME）称89.6%的预测权重归于上下文特征而非孤立关键词。以上为论文摘要所列结果，本站未核验全文。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。