图神经网络与常用机器学习算法在假新闻检测中的比较分析
机器学习
2022-03-29 v1 计算与语言
社会与信息网络
摘要
社交媒体上的假新闻日益被视为最令人担忧的问题之一。低成本、通过社交平台简便的可访问性，以及大量低预算的在线新闻来源，是助长虚假新闻传播的部分因素。现有大多数假新闻检测算法仅关注新闻内容本身，但参与用户先前的发帖或社交活动提供了关于其新闻观点的丰富信息，并具有重要提升假新闻识别的能力。图神经网络是一类对图描述数据进行预测的深度学习方法。社交媒体平台在其表示中遵循图结构，图神经网络是通常可应用于图的特殊类型神经网络，使得边、节点与图级别的预测更易执行。因此，本文我们对一些常用机器学习算法与图神经网络在检测社交媒体平台虚假新闻传播方面进行了比较分析。在本研究中，我们采用 UPFD 数据集，并仅在文本数据上实现若干现有机器学习算法。此外，我们创建不同的 GNN 层，用于将图结构的新闻传播数据与文本数据作为节点特征融合进我们的 GNN 模型。GNN 为我们研究中识别虚假新闻的困境提供了最佳解决方案。
引用
@article{arxiv.2203.14132,
title = {A comparative analysis of Graph Neural Networks and commonly used machine learning algorithms on fake news detection},
author = {Fahim Belal Mahmud and Mahi Md. Sadek Rayhan and Mahdi Hasan Shuvo and Islam Sadia and Md. Kishor Morol},
journal= {arXiv preprint arXiv:2203.14132},
year = {2022}
}
备注
Accepted for publication in the 7th IEEE International Conference on Data Science and Machine Learning Applications (CDMA 2022)