가짜 뉴스 검증 맥락에서 유사성 특징과 깊은 표현 학습을 결합한 입장을 감지하는 방법

가짜 뉴스는 최근 고품질 저널리즘과 정보화된 공론의 장에 잠재적인 위협으로 부상함에 따라 오늘날 시급한 문제로 대두되고 있습니다. 2017년에 조직된 가짜 뉴스 챌린지(Fake News Challenge, FNC-1)는 기사의 태도를 감지하는(즉, 특정 뉴스 기사가 특정 뉴스 제목과 일치하거나, 반대하거나, 논의하거나, 관련이 없는지를 식별하는) 분류 시스템 개발을 촉진하여 가짜 뉴스의 감지와 분석을 돕기 위해 마련되었습니다. 본 논문에서는 이러한 태도 감지 문제를 해결하기 위한 새로운 접근 방식을 제시합니다. 이 접근 방식은 문자 유사성 특징과 효율적인 텍스트 표현, 문서 분류, 자연어 추론 학습에서 이전에 제안된 아이디어를 활용하는 깊은 신경망 구조를 결합한 것입니다. 구체적으로, 양방향 순환 신경망(bi-directional Recurrent Neural Networks)을 사용하여 (i) 제목, (ii) 뉴스 기사의 첫 두 문장, (iii) 전체 뉴스 기사를 표현합니다. 또한 시간/순차 차원에서 최대 풀링(max-pooling)과 신경 주의(neural attention)를 사용하여 이러한 표현들을 결합/비교하고, 다른 FNC-1 접근 방식에서 영감을 받은 유사성 특징들을 보완하여 최종 계층으로 전달하여 기사가 제목에 대해 취하는 태도를 예측합니다. 우리는 또한 자연어 추론 방법을 훈련 및 평가하기 위해 처음 제안된 대규모 문장 쌍 데이터셋을 외부 정보 출처로 활용하여 신경망 구조의 특정 구성 요소(예: 문장을 인코딩하는데 사용되는 RNNs)를 사전 훈련(pre-training)하는 것을 탐구하였습니다. 얻어진 결과들은 제안된 아이디어들의 효과성을 입증하며, 특히 사전 훈련과 신경 표현 및 유사성 특징의 결합을 고려할 때 우리의 모델이 이전 최신 연구보다 약간 우수함을 보여주고 있습니다.