GETAE：基于图信息增强的深度神经网络集成架构用于假新闻检测
人工智能
2024-12-03 v1 计算与语言
摘要
在当今数字时代，假新闻已成为一个严重问题，对社会动荡、政治动荡等都有深远影响。为此，需要新的检测和缓解假新闻的方法。本文提出纳入情境和网络感知特征以改进检测过程，这包括不仅仅分析新闻文章的内容，还要分析其传播的情境以及分享它的用户网络，即信息扩散。因此，我们提出GETAE，即\underline{G}raph Information \underline{E}nhanced Deep Neural Ne\underline{t}work Ensemble \underline{A}rchitectur\underline{E} for Fake News Detection（假新闻检测的图信息增强深度神经网络集成架构），这是一种新型集成架构，利用文本内容和社交互动来提高假新闻检测效果。GETAE包含两个分支：文本分支和传播分支。文本分支使用词嵌入和Transformer嵌入，以及基于全连接和双向循环神经网络（\textsc{[Bi]RNN}）的深度神经网络，用于学习新型情境特征并创建新的文本内容嵌入。传播分支考虑图网络中的信息扩散，提出一种深度学习架构，使用节点嵌入创建新的传播嵌入。GETAE集成将两种新型嵌入，即文本内容嵌入和传播嵌入，组合创建新的\textit{传播增强内容嵌入}，随后用于分类。在两个真实可公开获取的数据集上获得的实验结果，即Twitter15和Twitter16，证明了该方法在提高假新闻检测方面的效果，并优于最先进的模型。
引用
@article{arxiv.2412.01825,
title = {GETAE: Graph information Enhanced deep neural NeTwork ensemble ArchitecturE for fake news detection},
author = {Ciprian-Octavian Truică and Elena-Simona Apostol and Marius Marogel and Adrian Paschke},
journal= {arXiv preprint arXiv:2412.01825},
year = {2024}
}