用于谣言检测的联邦图注意力网络
社会与信息网络
2022-06-14 v1
摘要
随着网络技术的发展，众多社交媒体蓬勃兴起。由于互联网监管不完善，虚假谣言的传播已成为这些社交平台上的普遍问题。社交平台在运营过程中可产生谣言数据，但现有谣言检测模型均针对单一社交平台构建，忽视了跨平台谣言的价值。本文将对联邦学习范式与双向图注意力网络谣言检测模型相结合，提出用于谣言检测的联邦图注意力网络（FedGAT）模型。借助横向联邦学习在跨平台谣言检测上的优势，可保障各社交平台数据信息的安全性。我们在联邦学习范式框架下将服务端与客户端的模型均构建为双向图注意力网络谣言检测模型。客户端本地模型可在迭代过程中训练并验证社交平台的谣言数据，而服务端模型仅起聚合不同社交平台模型特征的作用，不参与模型训练。最后，我们在谣言数据集上进行仿真实验，实验结果表明本文提出的联邦图注意力网络模型对跨平台谣言检测有效。
引用
@article{arxiv.2206.05713,
title = {Federated Graph Attention Network for Rumor Detection},
author = {Huidong Wang and Chuanzheng Bai and Jinli Yao},
journal= {arXiv preprint arXiv:2206.05713},
year = {2022}
}
备注
19 pages, 5 figures