文档名：基于BertGNNs异质图注意力网络的早期谣言检测
摘要：网络谣言的广泛传播已经造成了很大的社会危害,因此早期谣言检测任务已成为重要的研究热点.现有谣言检测方法主要从文本内容、用户配置和传播结构中挖掘相关特征,但没有同时利用到文本全局语义关系和局部上下文语义关系.为了克服以上局限性,充分利用到谣言数据中的文本全局-局部上下文语义关系、文本语义内容特征和推文传播的结构特征,本文提出了一种基于Bert-GNNs异质图注意力网络的早期谣言检测算法(Bert-GNNsHetero?geneousGraphAttentionNetwork,BGHGAN).该方法根据历史谣言集和用户特征构建一个推文-词-用户异质图,通过采用预训练语言模型Bert和图卷积神经网络(GraphConvolutionalNetwork,GCN)结合的方法进行特征学习,以挖掘谣言的文本语义特征和文本之间的关系,并将异质图分解为推文-词子图和推文-用户子图,采用图注意力网络(GraphAttentionnetwork,GAT)的方式分别进行特征学习,从而更充分利用文本全局-局部上下文语义关系和传播图的全局结构关系以加强特征表达;最后,通过子图级注意力机制将不同模块的学习集成进行最终的谣言检测.所提算法在真实的Twitter15和Twitter16数据上进行实验,验证了该算法在检测准确率上分别为91.4％和91.9％,较现有最佳模型分别提高了1％和1.4％,也具备在早期阶段对谣言的检测能力;同时,本文通过实验探讨了不同特征对谣言检测的重要性、对异质图构建质量的重要性.
作者：欧阳祺 陈鸿昶 刘树新 王凯 李星Author：OUYANGQi CHENHong-chang LIUShu-xin WANGKai LIXing
作者单位：中国人民解放军战略支援部队信息工程大学,河南郑州450001
刊名：电子学报
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(1)
分类号：TP393.1
关键词：虚假谣言 Bert-GCN模块 子图注意力网络模块 全局语义关系 全局结构关系 局部上下文语义关系
Keywords：fakenews Bert-GCNmodule sub-graphattentionnetworkmodule globalsemanticrelationship globalstructurerelationshipbetweenthetext localcontextualsemanticrelation
机标分类号：TP391TP183H313
在线出版日期：2024年4月16日
基金项目：基于Bert-GNNs异质图注意力网络的早期谣言检测[
期刊论文] 电子学报--2024, 52(1)欧阳祺 陈鸿昶 刘树新 王凯 李星网络谣言的广泛传播已经造成了很大的社会危害,因此早期谣言检测任务已成为重要的研究热点.现有谣言检测方法主要从文本内容、用户配置和传播结构中挖掘相关特征,但没有同时利用到文本全局语义关系和局部上下文语义关系....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
基于Bert-GNNs异质图注意力网络的早期谣言检测 Early Rumor Detection Based on Bert-GNNs Heterogeneous Graph Attention Network
基于Bert-GNNs异质图注意力网络的早期谣言检测.pdf
- 文件大小:
- 1.92 MB
- 下载次数:
- 60
-
高速下载
|
|
