1. Emotion plays a crucial role in detecting fake news online, and existing methods focus on exploiting the emotions of news contents conveyed by publishers (i.e., publisher emotion).
2. However, fake news often evokes high-arousal or activating emotions in people, so the emotions of news comments aroused in the crowd (i.e., social emotion) should not be ignored.
3. The proposed Dual Emotion Features represent dual emotion and the relationship between them for fake news detection, outperforming state-of-the-art task-related emotional features and effectively improving the performance of detecting fake news when plugged into existing detectors.
该文章提出了一种新的方法来检测假新闻,即挖掘社交情感和发布者情感之间的关系。然而,该文章存在以下问题:
1. 偏见来源:该文章没有明确说明其数据集是如何收集的,是否存在样本选择偏差或其他偏见来源。
2. 片面报道:该文章只关注了社交情感和发布者情感之间的关系,但并未考虑其他可能影响假新闻检测的因素,如文本语言、文化背景等。
3. 缺失考虑点:该文章没有考虑到不同人群对情感的理解和表达方式可能存在差异,这可能会影响到社交情感的准确性。
4. 主张缺失证据:该文章声称其提出的特征可以有效地提高假新闻检测器的性能,但并未提供足够的实验证据来支持这一主张。
5. 未探索反驳:该文章没有探讨其他研究者对于使用社交情感进行假新闻检测的反驳意见,并未充分讨论其方法可能存在的局限性和风险。
综上所述,该文章在提出新方法方面具有创新性,但在实验设计、数据收集、结果分析等方面存在一些问题需要进一步完善。