使用说服性写作策略解释与检测健康伪信息

当前，虚假信息的传播已成为社会中的一个突出难题。本研究致力于通过分析文本中所采用的说服性策略，辅助实现虚假信息的自动化识别。为此，我们提出了一种新颖的标注方案，涵盖常见的说服性写作技巧，以达成研究目标。此外，我们构建了一个关于健康领域虚假信息的语料库，该数据集由专家依据我们提出的标注方案进行详尽标注。本研究的贡献在于提出了一项新任务：对文本片段进行说服性写作策略类型的标注。我们采用BERT系列预训练语言模型与GPT系列生成式大语言模型，结合提示工程（prompt engineering）与微调（fine-tuning）技术，将说服性策略作为额外信息源进行实验评估。同时，我们考察了在虚假信息检测任务中，将说服性策略作为中间标签所带来的影响。实验结果表明，引入说服性策略能够显著提升模型的识别准确率，并增强虚假信息检测模型的可解释性。这些说服性策略可为模型决策提供有价值的洞察与解释，有助于其他模型乃至人类更全面地评估信息的可信度，从而做出更为审慎的判断。