利用文本上下文表示丰富图神经网络以检测社交媒体上的虚假信息活动
计算与语言
2024-11-26 v2 人工智能
机器学习
社会与信息网络
机器学习
摘要
社交媒体上的虚假信息带来了社会和技术两方面的挑战，需要鲁棒的检测系统。虽然先前的研究已将文本信息整合到传播网络中，但它们尚未充分利用基于Transformer的语言模型在高质量上下文文本表示方面的进展。本文通过将基于Transformer的文本特征融入图神经网络（GNN）用于假新闻检测，弥补了这一空白。我们证明，上下文文本表示增强了GNN的性能，与没有文本特征的模型相比，Macro F1相对提升了33.8%，与静态文本表示相比提升了9.3%。我们进一步研究了不同特征来源的影响以及噪声数据增强的效果。我们期望我们的方法能为进一步研究开辟途径，并且我们已公开提供代码。
引用
@article{arxiv.2410.19193,
title = {Enriching GNNs with Text Contextual Representations for Detecting Disinformation Campaigns on Social Media},
author = {Bruno Croso Cunha da Silva and Thomas Palmeira Ferraz and Roseli De Deus Lopes},
journal= {arXiv preprint arXiv:2410.19193},
year = {2024}
}
备注
Work still in progress. Accepted as Extended Abstract Poster at LoG Conference 2024