Детектор фейковых новостей как новый критерий оценки текстовых GANs (генеративно-состязательных сетей)

В данной работе рассматривается проблема генерации и детектирования сгенерированного текста на примере новостных текстов. Для задачи классификации фейковых новостей, написанных с применением нейронных сетей, был создан датасет, состоящий из реальных новостных текстов и сгенерированных GPT-2 моделью текстов с разными типами сэмплирования. Всего датасет содержит 1,2 млн текстов. В качестве классификаторов были рассмотрены различные модели, наилучшие результаты показали LSTM модель и одна из моделей BERT’a. Обе модели были также рассмотрены с точки зрения интерпретации их работы. Также были рассмотрены основные типы сэмплирования и их влияние на работу классификаторов фейковых новостей. Для работы над второй проблемой, связанной с генерацией текста, в рамках исследования были использованы алгоритмы обучения генеративно-состязательных сетей с различными дискриминаторами для дообучения языковой модели.