基于多阶段迁移学习和RoBERTa模型的假新闻检测与分类研究

本研究针对社交媒体假新闻检测中标注数据有限、语言特征复杂等挑战，提出了一种融合Word2Vec嵌入和多阶段迁移学习的RoBERTa优化框架。通过系统比较不同嵌入技术，在Politifact和GossipCop数据集上实现97.03%和95.90%的准确率，较现有技术提升至少3.9%，为低资源场景下的虚假信息治理提供了可解释的解决方案。

　　

在信息爆炸的社交媒体时代，假新闻如同数字病毒般以每秒数百万次的速度传播。研究表明，约57%的用户通过社交网络获取新闻，其中大量信息存在严重失真。这种"信息疫情"不仅扭曲公众认知，更可能引发政治动荡和社会撕裂。传统检测方法受限于标注数据稀缺、语义特征捕捉不足等问题，尤其在早期传播阶段难以有效拦截虚假信息。

沙特阿拉伯伊玛目穆罕默德·本·沙特伊斯兰大学计算机与信息科学学院的研究团队在《Scientific Reports》发表创新成果，通过多阶段迁移学习框架将RoBERTa模型的强大语义理解能力与Word2Vec的分布式表征相结合，构建出可解释、高精度的假新闻检测系统。该研究首次系统评估了不同嵌入技术（Word2Vec vs 独热编码）在低资源场景下的性能差异，并采用两阶段微调策略实现模型性能的阶梯式提升。

关键技术包括：1）基于POS(Part-of-Speech)标记的文本预处理；2）Word2Vec和独热编码的对比嵌入；3）RoBERTa的双阶段迁移学习（先领域适应再任务微调）；4）动态层冻结技术。实验使用Politifact（500篇）和GossipCop（10,000篇）两个真实世界数据集，通过控制变量法验证各模块贡献。

【模型架构】
研究团队设计的"预处理-嵌入-迁移"三级架构如图1所示：

POS标记模块通过概率模型（公式1）解析语法结构，捕捉假新闻特有的夸张形容词和被动语态特征。Word2Vec采用Skip-Gram架构（公式5-6）生成300维语义向量，相较独热编码显著提升上下文表征能力。

【嵌入技术对比】
如表2-3所示，Word2Vec使RoBERTa在Politifact上的准确率（97.03%）比独热编码（87.11%）提升9.92个百分点。特别在真实新闻识别中，精确度达98.57%，F1值97.87%。混淆矩阵（图5）显示仅2例真实新闻被误判：

【迁移学习优化】
两阶段微调策略（表10）使准确率较单阶段提升2.53%。动态层冻结实验（表9）表明：全层微调时模型性能最优，冻结底层6层会导致GossipCop数据集F1值下降3.26%。训练曲线（图4）显示损失函数快速收敛：

这项研究突破了小样本条件下假新闻检测的精度瓶颈，其创新性体现在三方面：首先，通过嵌入技术对比揭示了语义特征对模型性能的决定性影响；其次，多阶段迁移学习策略实现了预训练知识向特定任务的高效转化；最后，提出的框架在保持RoBERTa原有参数效率的同时，将政治类假新闻检测推至97%的准确度。未来可扩展至多模态数据融合，为构建"社交防火墙"提供核心技术支撑。