본 논문은 저자원 환경에서의 극소수 샘플 가짜 뉴스 탐지(FS-FND) 문제를 다룹니다. 대규모 언어 모델(LLMs)의 풍부한 사전 지식과 뛰어난 문맥 내 학습 능력을 활용하여 가짜 뉴스를 탐지하는 기존 방법들의 한계(모호성 이해 및 정보 부족)를 극복하기 위해, 이중 관점 지식 유도 가짜 뉴스 탐지(DKFND) 모델을 제안합니다. DKFND는 탐지 모듈, 조사 모듈, 판단 모듈, 결정 모듈의 네 가지 모듈로 구성되어 있으며, 각 뉴스 기사의 지식 개념을 식별하고 내부 및 외부 정보를 검색하여 관련성과 신뢰도를 평가하고 최종 예측을 도출합니다. 두 개의 공개 데이터셋에 대한 광범위한 실험을 통해 저자원 환경에서 제안된 방법의 효과를 보여줍니다.
