针对现有假消息检测方法泛化性差、难以有效识别新事件假消息的问题，MetaDetector探索新发生事件高质量训练数据少、标签稀疏场景下特定假消息检测模型的快速构建方法。MetaDetector算法利用加权领域对抗自适应技术，根据源事件与目标事件的相似程度、样板与样本之间的可迁移程度，实现事件共享元知识的迁移，指导目标事件假消息的高效检测。
MetaDetector算法基于Python3.6+环境下的numpy、torch、argparse、sklearn、gensim等依赖库开发。算法输入为历史假消息事件与新发生假消息事件帖子构成的文本向量，输出为新发生假消息事件帖子的真假标签。该算法支持在Sina
Weibo、CHECKED、PHEME等数据集上进行社交网络假消息的检测。此外在代码的实现过程中，参考了Long等、Eann等第三方开源资源。
算法名称
| 事件元知识迁移的社交网络假消息检测算法
（Meta Event Knowledge Transfer for Fake News Detection, MetaDetector）
|
算法接口
| python3 MetaDetector.py
|
输入
| 历史假消息事件与新发生假消息事件帖子构成的文本向量
|
输出
| 新发生假消息事件帖子的真假标签
|
支持数据集
| Sina Weibo、CHECKED、PHEME
|
依赖库
| Python 3.6、numpy、torch、argparse、sklearn、gensim
|
参考资源
| Long等、Eann
|
gitlab链接：MetaDetector· GitLab (crowdhmt.com)
文章链接：[1] Ding Y, Guo B, Liu Y, et al. MetaDetector:
Meta Event Knowledge Transfer for Fake News Detection[J]. arXiv
preprint arXiv:2106.11177, 2021.
