近日，从人工智能领域国际顶级会议AAAI 2021（CCF A）再次传来喜讯，新葡萄8883官网AMG电信学部软件学院的吴连伟博士的两篇针对虚假信息检测的最新论文全部被正式录用，这也是软件学院“西安市社会智能与复杂数据处理重点实验室”饶元老师团队的研究成果继EMNLP2019、ECAI2019、ACL2020、IJCAI2020之后，再次被国际顶级会议所录用，这一系列重要研究进展，表明该团队在虚假信息检测领域已经走在国内及国际研究的前列。

近年来,以互联网为代表的新媒体获得了迅速发展与广泛普及,以用户生成内容为独有特征的社交媒体，已经成为网络信息发布、传播、共享及消费的主要渠道。由于信息生成传播的低成本与即时监管的缺失，社交媒体同样变成了包括恶作剧、谣言及假新闻等在内的虚假信息的泛滥之地。Science研究表明社交媒体中假新闻几乎占了所有新闻消费的6%。另外，自2016年美国大选以来，假新闻的肆虐已经让欧美传统媒体失势、政府权威受损和民粹主义激化。更重要的是，某些国家利用社交媒体放大假新闻凸显舆论战和信息战新趋势。因此，如何在网络环境下有效快速识别出假新闻，以确保网络中传播信息的真实性，已成为当前社交媒体分析领域亟需解决的重要问题。

针对上述问题，论文“Lianwei Wu, Yuan Rao*, Ling Sun, Wangbo He. Evidence Inference Networks for Interpretable Claim Verification. AAAI 2021”，提出了一种基于证据推断网络的虚假新闻可解释性检测方法（EVIN），其细粒度地聚焦待检测新闻的虚假核心语义片段，从相关文章中探索可解释的证据，从而提升虚假新闻检测的可解释性，该论文提出的EVIN模型的架构图如图1所示。

图1 EVIN模型的架构图

另外，论文“Lianwei Wu, Yuan Rao*, Yuqian Lan, Ling Sun. A Unified Dual-view Model Based on Collective and Individual Cognition for Interpretable Claim Verification. AAAI 2021”，则从一个全新的视角提出了一种基于普遍认知与个体认知双视图的虚假新闻可解释性检测方法（UICD），其从普遍认知视角来探索相关文章中的全局自洽的证据，从个体认知视角挖掘相关文章中关键证据片段，借助一致性损失对两种证据特征进行约束，从而捕获公共可用的证据来进行可解释性虚假新闻检测。该论文提出的UICD模型的架构图如图2所示。

图2 UICD模型的架构图

这两篇文章分别从检测过程以及检测结果两个视角提出了两种新颖的模型解决了虚假新闻检测的可解释性问题。目前，饶元老师建立的“西安市社会智能与复杂数据处理重点实验室”主要致力于研究社会智能与复杂数据处理领域的问题，包含信息的检测、传播与生成等相关领域的前沿问题研究，涉及到的研究方向包括：文本数据挖掘、自然语言处理、机器学习以及社会网络分析等相关领域的知识基础，并成为了软件学院社会智能领域高端人才的重要培养基地。