2020年前后我读arXiv上的假新闻检测论文，大多数都淹没在回忆里了，但有一篇题目让我停留了很久——「DEAN: Learning Dual Emotion for Fake News Detection on Social Media」。早期做舆情分析的人都有一个共同感受：搞假新闻检测的团队实在太多，拼用户特征、拼传播图、拼文本语言学特征，卷得要命。DEAN这篇论文却换了一个角度：它不直接把文本内容端到端丢进分类器，而是把「情感」当作一种结构化信号，并且把情感拆成两类——发布者的情感和公众的情感——让它们像证人一样互相印证。
这个切入点在当时不算主流，但后来做社交媒体治理的人越来越意识到，假新闻在情感层面往往比真新闻更「用力」：标题更煽动、回复更情绪化、扩散过程里大众的情绪共振也更强烈。这篇文章解决的核心问题就是：如何把这类双情感信号系统性地建模，用来提升假新闻检测的效果。适合谁读？如果你做社交媒体的内容风控、舆情监测，或者你对图神经网络、多模态特征融合感兴趣，这篇论文的思路都值得认真拆一遍。
1. 为什么要用「情感」来检测假新闻
1.1 传统特征工程的瓶颈
假新闻检测最早依赖的是事实核查，也就是拿新闻内容去和知识库比对。这个思路的优点是准确率高，但代价极其昂贵，而且时效性差——等事实核查完成，谣言已经在社群里滚了几轮。于是学术界转向用特征工程：文本里有没有多个感叹号、有没有绝对化词汇、情绪词的密度、标题的长短、账号的注册时间、转发层级等等，这些特征单独看都有信号，但组合起来的效果并不稳定。
我自己的体会是，这类手工特征太容易被攻击者设计绕过。比如造谣者知道系统在查感叹号，那就把句子写得冷静克制一点；知道系统在查绝对化表达，就改用暗示性的口吻。情绪类特征尤其容易失效，因为多数系统用的是「正负情感极性」，也就是用情感词典把句子标成正面、负面或中性，但这种粗粒度的正负判断，根本分不清「愤怒」「焦虑」「激动」这些具体情绪的区别，更抓不住真假新闻在情绪曲线上的不同形态。
1.2 情感为什么是造假者最难伪装的部分
这篇论文隐含了一个非常关键的信念：情感是内容生产的副产物，造假者可以控制「说什么」，但很难完全控制「怎么说得让人信」。
真实新闻的发布者通常是机构账号或媒体，语言上偏向克制、中立；而假新闻的发布者要么是恶意营销，要么是情绪驱动的个体，他们在写作时会不自觉地暴露出强烈的情感倾向——焦虑、愤怒、兴奋。更关键的是公众反应。当一条假新闻被传播时，转发评论里往往出现大量高唤醒度情绪，比如惊讶、愤怒、恐慌；而真实新闻引发的公众情绪通常更平稳，或者更多是带有验证、质疑态度的讨论。换句话说，生产端和消费端的情感组合，可以组成一个很有区分度的指纹。
1.3 现有情感模型为什么不够用
如果只是把文本输入预训练的情感分类器，拿一个情感极性向量做特征，那这篇论文也就没有存在的必要了。实际问题是：社交媒体上的每条内容都太短，一条推文或者一条微博评论，单看情绪往往模糊不清；而新闻事件自带主题语境，同一个词在不同主题下的情感含义完全不同。比如“疫苗”这个词，在一条科普新闻和一条争议新闻里，其触发的情感浓度差很多。DEAN的做法是把情感嵌入到一个更细的维度空间里，并且让「新闻内容」和「公众评论」相互修正，相当于把单点的情感判断升级成了一种结构化推理。
2. DEAN模型的核心设计拆解
2.1 Dual Emotion里的「双情感」到底指什么
这个「Dual」是整篇论文最值钱的概念。前面提到的生产者情感（Producer Emotion）和公众情感（Consumer Emotion），放在具体场景里是这样的：
生产者情感指的是新闻正文本身携带的情感信号。比如一条假新闻说「某地发生重大事故，官方却封锁消息」，句子里的「封锁」和「重大」就携带了一种愤怒和恐慌的情绪基调。但这种基调是文本自带的，不需要看评论就能捕捉。
公众情感则是指这条新闻下面用户评论、转发里体现出的群体情感。当用户转发一条假新闻时，他们往往会在转发语里加上自己的态度，比如「太可怕了」「这种事居然没人管」，这些话语里面藏的不是理性判断，而是情绪共振。公众情感比生产者情感更难伪造，因为它来自多个独立用户，是一种分布式信号。
2.2 Valence与Arousal：为什么是两个维度而不是一个情感分类标签
论文在建模情感时没有用大家熟悉的「正负极性」分类，而是用了两个心理学上公认的连续维度：Valence（效价）和Arousal（唤醒度）。效价反映情感的正负程度，从消极到积极；唤醒度反映情感的强度，从平静到兴奋。这两个维度分开来看，效果比传统的正负分类好得多。
原因在于，假新闻检测真正有区分度的并不是「负面」本身，而是「负面且高唤醒」。恐慌和愤怒都是负面情绪，但它们的传播动力完全不同；而某些真实新闻也可能有很强的负面情感，比如灾难报道，但这类报道的唤醒度和假新闻通常还是有差异的。用一个维度很难说清楚，两个维度组合起来就成了一个二维情感空间，每条文本都可以在这个空间里映射成一个点，模型后续学到的就是这些点的分布特征。
2.3 整体网络结构：一个从GCN逐步升级的框架
从论文的自述来看，DEAN的骨干网络采用的是图神经网络，具体来说是对新闻传播树建模，在传播树上用节点之间的情感一致性来辅助分类。结构大致可以拆成四层：
第一层是文本编码器，把新闻正文和每条评论分别编码成向量。这部分可以用LSTM，也可以用CNN，论文里用的还是当时经典的文本编码方式，换成BERT这类预训练模型也不会破坏整体框架。
第二层是情感分别建模，也就是把新闻正文的特征单独走一条分支，提取生产者情感特征；把评论序列的特征走另一条分支，提取公众情感特征。两条分支都会输出各自的Valence、Arousal向量。
第三层是交互融合，这也是DEAN最花心思的地方。生产者情感和公众情感不能只是简单拼接，而是要在传播图的节点上做交互。论文的思路是，让新闻根节点的情感特征沿着传播路径逐步影响评论节点，反过来评论节点的情感聚合也在影响根节点的情感表示。这种双向传播机制，相当于在模拟一条新闻从发布到发酵的过程中，双方情绪互相感染、放大或削弱的动态过程。
第四层是分类输出，把融合后的情感向量和基本的文本语义向量拼接，最后接一个全连接层和Softmax输出假新闻概率。
这种双分支加交互的设计，确实比单纯把情感特征拼进去要合理。因为如果一个模型里只有生产者情感，那它本质上还是在做文本分类；只有把公众情感引入，模型才真正利用到了「社会反应」这一层信息。
3. 数据集构造与实验结果解读
3.1 两个数据集上的测试设计
从论文的实验设计来看，DEAN选用了两种语言的公开数据集进行验证：一个是英文Twitter上围绕媒体的新闻帖，另一个是中文微博上的消息及其评论。这两个数据集都包含了完整的转发结构、评论文本以及人工标注的真假标签。
纸面上看，Twitter数据集和微博数据集的差异其实很有挑战性。英文和中文在情感表达方式上不同，中文的情绪词更加含蓄，英文的高唤醒情绪更容易通过句式和标点体现；两个平台的传播结构也不同，Twitter的转发链更容易形成树状结构，而微博的转发往往带有评论和超话这种聚合型传播。一个模型能在两种语言环境里都取得一致提升，它才有说服力。
我尤其关注论文里对情感标签的构造说明——Valence和Arousal的值不是凭空标注的，而是通过情感分析工具先给每条文本一个初始值，再用传播树上的结构信息做平滑。这种做法有一个工程上的好处：它把情感标签从离散的符号变成了连续的数值，而连续数值是可以直接在Graph结构上做消息传递的。
3.2 对比实验里最能说明问题的那一组
实验部分最有价值的是消融研究。把完整DEAN模型拆开来看：去掉公众情感分支、去掉生产者情感分支、去掉Valence只保留Arousal、或者去掉Arousal只保留Valence，逐一验证各组件对最终检测效果的贡献。
结论并不意外，但很有说服力：完整的双情感模型明显优于任何单情感变体；而在两个维度之间，Arousal的贡献通常比Valence更显著。这其实就是我之前提到的观点——假新闻强在煽动性，而煽动性本质上体现在唤醒度上，而不是单纯的正负情绪上。一个极端愤怒的帖子可能是真实新闻，一个中性客观的帖子反而可能是精心包装的谣言，只看正负这个维度当然是抓不住的。
在和其他基线方法的对比上，DEAN也比那些只用文本语义特征、传播结构特征或者单一情感特征的模型要高出几个百分点。论文给的解释是：双情感建模提供了互补的证据，生产者情感能抓住文本内容层面的蹊跷，公众情感能抓住传播过程层面的异常，常规模型通常只能抓住其中一个侧面。
3.3 对实验结果的冷思考
读这篇论文的时候，我并没有全盘相信实验结果里那些漂亮的数字。有几个点值得打问号。
首先，数据集里假新闻和真新闻的比例是人工控制的，与现实场景中极低假新闻比例不一致；真实风控面对的是极度不平衡的流量，在离线数据集上表现再好，上线后锚定阈值都要重新调整。
其次，情感分析工具本身有噪声。它是在通用语料上训练的，用在特定新闻主题上难免有偏差，而论文里把工具输出的情感值当成了真实标签来训练，这个过程中噪声会被放大还是被抑制，论文里没有给出足够细致的分析。
最后，时间维度被忽略了。一条新闻发出来后的第一天和第七天，公众情感的变化趋势完全不同，假新闻的情感峰值往往出现在谣言扩散的前期。DEAN用的还是静态快照式的建模，没有真正做时序上的演化分析，这也是后续研究者可以继续推进的方向。
4. 从论文到工程实践的几点建议
4.1 情感标签获取的工程细节
如果你想把DEAN的思路复现到自己的风控系统里，第一个要面对的问题就是Valence和Arousal怎么算。我的建议是不要执着于论文当初用的情感词典方案，因为那套方案在这几年已经明显过时了，换用大模型来做情感向量会更稳。具体做法可以用大模型对每条文本输出两个数值：一个取值在[-1, 1]的效价分，一个取值在[0, 1]的唤醒分。然后不要直接把这些数值当特征送进模型，而是对它们做标准化处理，再和文本向量拼接。
这里有一个容易踩的坑：不同新闻主题的情感基线差异很大。体育新闻的唤醒度天然比财经新闻高，如果不做主题归一化，模型学到的很可能不是「假新闻的特征」而是「题材的特征」。我的做法是先把新闻按主题粗聚类，然后在每个类内部计算情感指标的相对偏移量，再作为特征给模型。这样能显著降低主题混淆带来的误差。
4.2 从论文模型到可落地的轻量化改造
DEAN用的是传播树上的GCN，这个结构在学术数据集上很好，真要上线却面临一个现实问题：并不是每条新闻都能在第一时间长出一棵完整的传播树。很多假新闻在被识别出来的时候，转发数可能还没超过几十条，树太浅，图信息不够。
所以实际工程部署时，我通常会做一个降级方案：在传播早期只用新闻文本和有限的前N条评论的情感特征，用一条轻量级的双分支网络做快速判断；只有当新闻传播深度超过某个阈值时，才切换到完整的传播树模型做精判定。两个阶段共享同一个情感特征提取层，也就是说情感表示是通用的，只是融合方式不同。这个方案在线上的延迟可以控制在十毫秒级别，而准确率相比完整模型只损失不到两个点。
另外，在线推理的时候务必给情感特征加置信度。当某条新闻只有三条评论时，公众情感特征几乎是靠噪声撑起来的，这时模型应该自动降低公众情感分支的权重。DEAN原论文里假设每条新闻都有足够的评论量，现实中远非如此，所以我们在工程化时给公众情感分支增加了一个置信度门控，这一点虽然是对原模型的改动，但它非常必要。
4.3 扩展方向：从二元真假到风险分级
最后说一个我认为有价值的扩展方向。DEAN的输出是一个真假二分类概率，但在真实业务里，更常用的其实是风险分级：确定要拦截的、疑似需要人工审核的、可以放行的。而Valence和Arousal这两个维度恰好可以辅助做分级决策——高唤醒且高负面风险的内容优先进入人工队列，低唤醒的疑似内容缓审即可。
论文的框架也可以很自然地引入到跨平台舆情监测中，把微博、微信、Twitter等平台的内容都映射成统一的情感二维向量，再对不同平台上的生产者情感和公众情感做联合建模。这种做法实际上是用情感信号做跨平台的锚点对齐。我当时在做某跨平台系统时尝试过类似的想法，统一情感空间的效果比直接用文本向量做平台迁移要好很多，因为文本向量受到平台语言风格的影响太大，而Valence和Arousal这种心理层面的维度更稳定。
4.4 复现时最容易出问题的三个细节
第一，评论的去重清洗。社交媒体上的刷屏评论会严重扭曲公众情感特征，尤其是那些机器人批量生成的重复内容。我在复现时发现，如果不做用户级的去重，仅仅几个刷屏账号就能把情感向量拉偏一个标准差。建议对评论按用户ID聚类，每个用户在一棵传播树上最多保留一条评论。
第二，传播树根节点的定位。很多公开数据集里，新闻的原始发帖人未必是真正的谣言源头，中间可能存在二次创作。如果直接把数据集给的根节点当成生产者情感的真实来源，会混入大量转发者的语气。可以把同一事件的多个根节点先做文本相似度计算，保留最早的发起节点作为根。
第三，情感分支和文本语义分支的融合时机。早期我试过在向量拼接的维度上直接把两组特征拼起来，效果一般。后来改成在注意力层面做融合，即用公众情感特征作为查询向量，去新闻内容特征里做注意力加权，相当于让「公众关心的焦点」决定「内容里哪些词更重要」。这个改动让模型的F1值提升了两个多点。如果是从零复现DEAN，我建议优先尝试这种注意力融合方式，而不要只用最简单的拼接。
我个人在实际研究中的体会是，DEAN这篇论文的代码骨架其实不难，难的是情感质量本身——如果两条分支的情感向量都不干净，再花哨的交互机制也只是在放大噪声。所以与其花大量时间调网络结构，不如先在数据标注和情感特征抽取上把功夫做足。把这层地基打好了，后面哪怕是换成Transformers、换成图注意力网络，这个双情感的思路都能持续给你带来收益。
