文档摘要：目前网络谣言的检测方法主要是从传播路径中寻找信息,大多只采用文本信息作为初始传播特征,因此难以捕捉到丰富的传播结构表示.本文根据谣言的传播路径,提取文本和用户可信度特征,构建一种基于传播树的多特征谣言检测模型.模型通过图卷积网络聚合文本传播信息,使用多头注意力机制挖掘文本传播树的层内依赖关系,同时对用户传播树中的每个用户构建可信度序列,并采用M-Attention模块捕获有效的用户可信度特征.实验结果表明,本文提出的方法在Twitter15、Twitter16和Weibo数据集上的检测准确率达到89.3%、91.7%和96.4%,相比当前最优的传播树模型Bi-GCN(BinaryGraphConvolutionalNetwork)分别提升4.8%、4.2%和3%.
Abstract：Atpresent,rumordetectionmethodsonsocialplatformsmainlyfocusonobtaininginformationfromthepropagationpath,mostofthesemethodsonlyusetextinformationastheinitialpropagationfeature,whichisdifficulttocap-turetherichpropagationstructurerepresentation.Inthispaper,accordingtothepropagationpathofrumors,textandusercredibilityfeaturesareextracted,andamulti-featurerumordetectionmodelbasedonpropagationtreeisconstructed.Thismodelaggregatestextpropagationfeaturesthroughagraphconvolutionalnetwork,andusesamulti-headattentionmoduletominetheintra-layerdependenciesofthetextpropagationtree.Atthesametime,acredibilitysequenceisconstructedforeachuserintheuserpropagationtree,andtheM-Attentionmoduleisusedtocaptureeffectiveusercredibilityfeatures.TheexperimentalresultsshowthattheexperimentalaccuracyofTwitter15,Twitter16andWeibodatasetsreaches89.3%,91.7%and96.4%,whichare4.8%,4.2%and3%higherthanthecurrentoptimalpropagationtreemodelBi-GCN(BinaryGraphConvolutionalNetwork)accuracyrespectively.
作者：张鑫昕 潘善亮 茅琴娇 Author：ZHANGXin-xin PANShan-liang MAOQin-jiao
作者单位：宁波大学信息科学与工程学院,浙江宁波315211宁波工程学院网络空间安全学院,浙江宁波315211
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(5)
分类号：TP391
关键词：谣言检测 传播结构 图卷积网络 注意力机制 自然语言处理
Keywords：rumordetection propagationstructure graphconvolutionalnetwork attentionmechanism naturallan-guageprocessing
机标分类号：TP393.08G206I206.2
在线出版日期：2024年7月22日
基金项目：基于传播树的多特征谣言检测方法[
期刊论文] 电子学报--2024, 52(5)张鑫昕 潘善亮 茅琴娇目前网络谣言的检测方法主要是从传播路径中寻找信息,大多只采用文本信息作为初始传播特征,因此难以捕捉到丰富的传播结构表示.本文根据谣言的传播路径,提取文本和用户可信度特征,构建一种基于传播树的多特征谣言检测模...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：谣言检测,传播结构,图卷积网络,注意力机制,自然语言处理,
- 文件大小:
- 1.95 MB
- 下载次数:
- 60
-
高速下载
|
|
1
