动态异质信息网络上假新闻的快速检测
机器学习
2022-05-17 v1
摘要
近年来，假新闻的传播对社会造成了巨大危害。因此，假新闻的快速检测已成为一项重要任务。当前一些检测方法常将新闻文章及其他相关组件建模为静态异质信息网络（HIN）并使用代价高昂的消息传递算法。然而在现实世界中，快速识别假新闻具有重要意义，且网络随动态节点和边在时间上可能发生变化。因此，本文提出一种新颖的动态异质图神经网络（DHGNN）用于假新闻快速检测。更具体地，我们首先实现 BERT 和微调 BERT 以获得新闻文章内容与作者档案的语义表示，并将其转换为图数据。然后，我们构建异质新闻-作者图以反映上下文信息与关系。此外，我们借鉴个性化 PageRank 传播与动态传播的思想并适配于异质网络，以降低训练期间经多节点反向传播的时间复杂度。在三个真实世界假新闻数据集上的实验表明，DHGNN 在有效性与效率方面均优于其他基于 GNN 的模型。
引用
@article{arxiv.2205.07039,
title = {Fake News Quick Detection on Dynamic Heterogeneous Information Networks},
author = {Jin Ho Go and Alina Sari and Jiaojiao Jiang and Shuiqiao Yang and Sanjay Jha},
journal= {arXiv preprint arXiv:2205.07039},
year = {2022}
}