融合作者上下文感知的注意力谣言检测神经网络架构
社会与信息网络
2019-10-04 v1 机器学习
机器学习
摘要
社交媒体的普及使全球范围内的信息分享成为可能。但不幸的是，其弊端在于错误信息的广泛传播。以往多数谣言分类器所采用的方法对微博中的词赋予相等权重或注意力，且未考虑微博内容之外的上下文，因此准确率陷入瓶颈。在本研究中，我们提出一种集成神经网络架构以检测 Twitter 上的谣言。该架构结合词注意力与来自作者的上下文以提升分类性能。特别地，词级注意力机制使架构在构建文本表示时能更关注重要词。为获取进一步上下文，我们利用了各作者所发的微博帖子，因其可反映信息传播中的风格与特征，而这些正是帮助分类所分享内容为谣言或合法新闻的重要线索。在从两个知名谣言追踪网站收集的真实 Twitter 数据集上的实验展示了 promising 的结果。
引用
@article{arxiv.1910.01458,
title = {Attention Based Neural Architecture for Rumor Detection with Author Context Awareness},
author = {Sansiri Tarnpradab and Kien A. Hua},
journal= {arXiv preprint arXiv:1910.01458},
year = {2019}
}