This research explores the potential use of text summarization in fake news detection. Text summarization can assist human fact-checkers in quickly process the massive amounts of content that need to be handled. Yet, its potential benefit in fake news detection has not been explored thoroughly. This paper shows how succinct text summarization might boost automated fake news detection. We utilize two kinds of summarization methods: Extractive and Abstractive. We employ state-of-the-art implementations of these two methods to the fake news dataset and show that condensed information can strengthen the predictive performance of existing fake news detection models. Our work also provides a level of explainability through 3-level evidence screening from the sentence, word to document gradual downsizing.
이 연구는 가짜 뉴스 탐지에서 텍스트 요약의 잠재적인 사용가능성을 탐구합니다. 텍스트 요약은 인간의 사실 확인자가 처리해야하는 방대한 양의 콘텐츠를 신속하게 처리하는 데 도움이 될 수 있습니다. 그러나 가짜 뉴스 탐지의 잠재적인 이점은 철저히 조사되지 않았습니다. 이 문서는 간결한 텍스트 요약이 어떻게 자동화된 가짜 뉴스 감지를 향상시킬 수 있는지 보여줍니다. 우리는 추출 및 추상의 두 가지 요약 방법을 사용합니다. 우리는 가짜 뉴스 데이터 세트에 이 두 가지 최신 구현방법을 사용하고 압축된 정보가 기존 가짜 뉴스 탐지 모델의 예측 성능을 강화할 수 있음을 보여줍니다. 우리의 작업은 또한 문장, 단어에서 문서의 점진적인 축소에 이르기까지 3단계 증거 스크리닝을 통해 설명 가능성을 제공합니다.
