基于层次图注意力在面向新闻的异构信息网络上检测假新闻
社会与信息网络
2021-02-16 v2 计算与语言
机器学习
机器学习
摘要
假新闻的病毒式传播已造成巨大的社会危害，使得假新闻检测成为一项紧迫任务。当前的假新闻检测方法严重依赖文本信息，通过学习提取的新闻内容或内部知识的写作风格来实现。然而，蓄意的谣言可以掩盖写作风格，绕过语言模型并使简单的基于文本的模型失效。事实上，新闻文章及其他相关组件（如新闻创建者和新闻主题）可被建模为异构信息网络（简称 HIN）。本文提出一种新颖的假新闻检测框架，即层次图注意力网络（Hierarchical Graph Attention Network，HGAT），其使用一种新颖的层次注意力机制在 HIN 中执行节点表示学习，进而通过对新闻文章节点分类来检测假新闻。在两个真实世界假新闻数据集上的实验表明，HGAT 优于基于文本的模型和其他基于网络的模型。此外，实验证明了我们的方法在图表示学习及异构图中其他节点分类相关应用上的可扩展性与泛化性。
引用
@article{arxiv.2002.04397,
title = {Fake News Detection on News-Oriented Heterogeneous Information Networks through Hierarchical Graph Attention},
author = {Yuxiang Ren and Jiawei Zhang},
journal= {arXiv preprint arXiv:2002.04397},
year = {2021}
}