설명 가능한 가짜 뉴스 탐지를 위한 계층적 증거 정제 신경망: 거친부터 세밀한 단계까지의 연속적 접근

기존의 가짜 뉴스 탐지 기법들은 뉴스의 진위 여부를 분류하고, 진위에 대한 설명을 제공함으로써 놀라운 성능을 달성하고 있다. 그러나 이러한 기법들은 주로 수작업으로 검증된 보고서에 기반하여 자동화된 솔루션을 설계하기 때문에 뉴스 커버리지의 제한과 사실 확인 지연 문제를 겪는다. 아직 수작업으로 검증되거나 반박되지 않은 뉴스의 경우, 다양한 미디어 채널을 통해 관련 원시 보도 자료가 일반적으로 확산되며, 이들 자료는 대중의 지혜를 반영하여 뉴스 주장을 검증하고 그 판정 이유를 설명할 수 있는 잠재력을 지닌다. 본 논문에서는 이러한 원시 보도 자료를 기반으로 설명 가능한 가짜 뉴스 탐지 기법을 제안하며, 수작업 검증 보고서에 대한 의존도를 완화한다. 구체적으로, 우리는 웹 텍스트 표현을 위해 계층적 인코더를 활용하고, 거시적에서 미시적 방식으로 진행되는 두 단계의 연결형 선택기( cascaded selectors)를 개발하여, 상위 K개의 보도 자료 중에서 판정에 가장 설명력 있는 문장을 선택한다. 또한, 설명 가능한 가짜 뉴스 탐지용 두 가지 데이터셋을 구축하였으며, 이는 공개적으로 이용 가능하다. 실험 결과, 제안하는 모델이 최신 기법들을 크게 능가하며, 다양한 평가 관점에서 고품질의 설명을 생성함을 입증하였다.