用于事实核查 URL 推荐的属性多重关系注意力网络
信息检索
2020-01-08 v1 计算与语言
社会与信息网络
摘要
为打击假新闻，研究者大多聚焦于检测假新闻，而记者构建并维护了事实核查网站（如 Snopes.com 和 Politifact.com）。然而，假新闻通过社交媒体网站得到了极大传播，而这些事实核查网站尚未被充分利用。为克服这些问题并补充现有对抗假新闻的方法，本文提出一种基于深度学习的事实核查 URL 推荐系统，以缓解假新闻在 Twitter 和 Facebook 等社交媒体网站中的影响。具体而言，我们提出的框架由一个多重关系注意力模块和一个异构图注意力网络组成，用于学习用户-URL 对、用户-用户对和 URL-URL 对之间复杂/语义关系。在真实世界数据集上的大量实验表明，我们提出的框架优于八个 state-of-the-art 推荐模型，取得了至少 3~5.3% 的提升。
引用
@article{arxiv.2001.02214,
title = {Attributed Multi-Relational Attention Network for Fact-checking URL Recommendation},
author = {Di You and Nguyen Vo and Kyumin Lee and Qiang Liu},
journal= {arXiv preprint arXiv:2001.02214},
year = {2020}
}
备注
CIKM2019