CIMTDetect：一种基于社区注入矩阵-张量耦合分解的假新闻检测方法

在如今易于制造与传播误导性新闻的数字世界中，判别一篇新闻文章的真伪是一项关键任务。对于社交媒体上分享的新闻故事而言尤为如此，因为它们未经主流媒体所伴随的严格新闻审查。鉴于人们倾向于鼠标一点便与社交关联分享信息的固有习性，伪装成真实新闻的假新闻往往广泛且病毒式传播。社交网络中回音室（持相同信念者）的存在，更增添了社交媒体上假新闻广泛存在的问题。本文利用用户社交网络内存在的回音室，获取高效且具信息量的新闻文章隐表示，从而解决社交媒体假新闻检测问题。通过将回音室建模为社交网络内紧密连接的社区，我们将新闻文章表示为<新闻, 用户, 社区>结构的3模张量，并提出一种基于张量分解的方法，在保留社区结构的隐嵌入空间中编码新闻文章。我们还提出了上述方法的扩展，通过耦合矩阵-张量分解框架联合建模新闻文章的社区与内容信息。我们在两个真实数据集上实证展示了该方法在假新闻检测任务上的效力。进一步地，我们在另两个辅助任务上验证了所得嵌入的泛化性，即：1) 新闻群组分析；2) 协同新闻推荐。我们所提方法在两项任务上均优于相应基线，确立了其泛化能力。