基于Bert-GNNs异质图注意力网络的早期谣言检测

扫码查看

原文链接

万方数据
维普

中文摘要：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-GNNs Hetero‑geneous Graph Attention Network,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(Graph Convolutional Network,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(Graph Attention network,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.

外文标题：Early Rumor Detection Based on Bert-GNNs Heterogeneous Graph Attention Network

外文关键词：

fake newsBert-GCN modulesub-graph attention network moduleglobal semantic relationshipglobal structure relationship between the textlocal contextual semantic relation

作者：

欧阳祺、陈鸿昶、刘树新、王凯、李星

展开 >

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

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

基金：

中原英才计划

项目编号：

212101510002

出版年：

2024

DOI：

10.12263/DZXB.20220882

电子学报

中国电子学会

电子学报

CSTPCD北大核心

影响因子：1.237

ISSN：0372-2112

年,卷(期)：2024.52(1)

参考文献量44