利用归纳式表示学习检测社交网络中的假新闻传播者
社会与信息网络
2020-11-24 v1
摘要
预防假新闻传播的一个重要方面是主动检测其传播的可能性。假新闻传播者检测领域从网络分析视角出发的研究尚不多见。本文提出一种基于图神经网络的方法来识别可能成为虚假信息传播者的节点。利用社区健康评估模型与人际信任，我们提出一种归纳式表示学习框架，以预测最有可能传播假新闻的紧密连接社区结构的节点，从而使整个社区易受该“感染”影响。利用真实世界 Twitter 网络中基于拓扑与交互的节点信任属性，我们能以超过 90% 的准确率预测虚假信息传播者。
引用
@article{arxiv.2011.10817,
title = {Detecting Fake News Spreaders in Social Networks using Inductive Representation Learning},
author = {Bhavtosh Rath and Aadesh Salecha and Jaideep Srivastava},
journal= {arXiv preprint arXiv:2011.10817},
year = {2020}
}
备注
Accepted to IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM, 2020)