1.概述
社交媒体已逐渐演变成为公众获取信息的主要途径。然而，值得警惕的是，并非所有流通的信息都具备真实性。特别是在政治选举、疫情爆发等关键节点，带有恶意企图的虚假信息（即“假新闻”）可能会对社会秩序、公平性和理性思考造成严重的干扰。作为全球抗击COVID-19的一部分，世界卫生组织也针对因感染和治疗相关虚假信息泛滥而引发的信息疫情（infodemic）提出了相应的应对策略。
为了应对这一挑战，众多网站及社交媒体平台致力于识别和纠正虚假信息。以Facebook为例，该公司不仅鼓励用户积极举报可疑帖子，还聘请了专业的事实核查员来揭露不实新闻。此外，Snopes、FactCheck、PolitiFact和Full Fact等事实核查网站也采用了手动事实核查的方式。随着信息量的不断增长，自动新闻验证系统开始考虑利用外部知识数据库作为验证依据。这种证据驱动的方法虽能实现较高的准确性，并提供潜在的可解释性，但其运作过程中需要大量的人力资源。此外，基于文本证据的事实核查方法在应用于图像或视频声明时显得力不从心。
然而，当前研究仍面临一些挑战。首先，手动事实核查虽准确性高，但受限于人力资源，且难以处理图像或视频claim。其次，仅基于内容的检测方法在应对动态的社交媒体交互时效果有限。最后，现有方法未能全面表示社交上下文中的实体和交互，导致难以捕捉高质量的表示。
