基于图建模的在线社区虚假新闻检测
计算与语言
2020-11-24 v4 机器学习
摘要
过去几年中，针对社交媒体平台上虚假新闻的自动检测已有大量努力。现有研究已对在线帖子的结构、风格、内容、传播模式以及与之交互的用户的人口统计特征进行了建模。然而，尚无研究关注对与帖子交互的在线社区的属性建模。本文提出一种基于图神经网络（GNNs）的新型社会上下文感知虚假新闻检测框架SAFER。所提框架聚合以下方面的信息：1）所传播内容的性质，2）用户的内容分享行为，以及3）这些用户的社交网络。我们进一步对该任务的数种GNN模型进行系统比较，并引入基于关系型和双曲GNN的新方法，这些方法此前未用于NLP中的用户或社区建模。我们通过实证证明，我们的框架相较现有基于文本的技术有显著改进，并在来自两个不同领域的虚假新闻数据集上取得最先进（SOTA）结果。
引用
@article{arxiv.2008.06274,
title = {Graph-based Modeling of Online Communities for Fake News Detection},
author = {Shantanu Chandra and Pushkar Mishra and Helen Yannakoudakis and Madhav Nimishakavi and Marzieh Saeidi and Ekaterina Shutova},
journal= {arXiv preprint arXiv:2008.06274},
year = {2020}
}