Contrastive Domain Adaptation for Early Misinformation Detection

误传 计算机科学 人工智能 先验概率 杠杆(统计) 域适应 机器学习 模式识别(心理学) 分类器(UML) 贝叶斯概率 计算机安全
作者
Zhenrui Yue,Huimin Zeng,Ziyi Kou,Lanyu Shang,Dong Wang
标识
DOI:10.1145/3511808.3557263
摘要

Despite recent progress in improving the performance of misinformation detection systems, classifying misinformation in an unseen domain remains an elusive challenge. To address this issue, a common approach is to introduce a domain critic and encourage domain-invariant input features. However, early misinformation often demonstrates both conditional and label shifts against existing misinformation data (e.g., class imbalance in COVID-19 datasets), rendering such methods less effective for detecting early misinformation. In this paper, we propose contrastive adaptation network for early misinformation detection (CANMD). Specifically, we leverage pseudo labeling to generate high-confidence target examples for joint training with source data. We additionally design a label correction component to estimate and correct the label shifts (i.e., class priors) between the source and target domains. Moreover, a contrastive adaptation loss is integrated in the objective function to reduce the intra-class discrepancy and enlarge the inter-class discrepancy. As such, the adapted model learns corrected class priors and an invariant conditional distribution across both domains for improved estimation of the target data distribution. To demonstrate the effectiveness of the proposed CANMD, we study the case of COVID-19 early misinformation detection and perform extensive experiments using multiple real-world datasets. The results suggest that CANMD can effectively adapt misinformation detection systems to the unseen COVID-19 target domain with significant improvements compared to the state-of-the-art baselines.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
三金脚脚完成签到 ,获得积分10
8秒前
王肥肥完成签到 ,获得积分10
12秒前
不敢装睡完成签到,获得积分10
13秒前
15秒前
Raul完成签到 ,获得积分10
15秒前
Eliii完成签到 ,获得积分10
16秒前
科研通AI2S应助资紫丝采纳,获得10
20秒前
满意之玉发布了新的文献求助10
21秒前
满意之玉完成签到,获得积分10
27秒前
朴实问筠完成签到 ,获得积分10
27秒前
怡然的一凤完成签到 ,获得积分10
27秒前
王俊凯的科妍通完成签到 ,获得积分10
29秒前
研友_ZzrWKZ完成签到 ,获得积分10
31秒前
slsdianzi完成签到,获得积分10
42秒前
physicalproblem完成签到,获得积分10
43秒前
rayzhanghl完成签到,获得积分10
44秒前
松松包完成签到,获得积分10
44秒前
帅气的祥完成签到,获得积分10
45秒前
51秒前
EiketsuChiy完成签到 ,获得积分0
52秒前
书生也是小郎中完成签到 ,获得积分10
54秒前
二十八画生完成签到 ,获得积分10
55秒前
一心完成签到,获得积分10
57秒前
眠眠清完成签到 ,获得积分10
59秒前
优雅的千雁完成签到,获得积分10
1分钟前
昌化古天乐完成签到 ,获得积分10
1分钟前
Phoenix ZHANG完成签到 ,获得积分10
1分钟前
聚乙二醇完成签到 ,获得积分10
1分钟前
经纲完成签到 ,获得积分0
1分钟前
1分钟前
FashionBoy应助科研通管家采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
Jasper应助科研通管家采纳,获得10
1分钟前
天天开心完成签到 ,获得积分10
1分钟前
小丸子完成签到 ,获得积分10
1分钟前
WANG完成签到,获得积分10
1分钟前
cripple发布了新的文献求助10
1分钟前
abc完成签到 ,获得积分10
1分钟前
sdbz001完成签到,获得积分10
1分钟前
平常的羊完成签到 ,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709891
关于积分的说明 7418319
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246122
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921