面向Twitter谣言早期检测的异构图注意力网络
社会与信息网络
2020-06-11 v1 信息检索
机器学习
摘要
随着移动互联网技术的快速发展和移动设备的广泛使用，人们在社交媒体上表达观点变得更为容易。社交媒体平台的开放性与便捷性为人们提供了自由表达的空间，但也引发了新的社会问题。虚假谣言在社交媒体上的传播会引起公众恐慌并损害个人声誉，这使得谣言自动检测技术变得尤为必要。现有多数谣言检测方法侧重于从文本内容、用户画像和传播模式中挖掘有效特征。然而，这些方法未充分利用文本内容的全局语义关系，而该关系作为谣言的语义共性正是检测谣言的关键因素。本文基于谣言的文本内容与源推文传播构建推文-词-用户异构图。提出一种基于元路径的异构图注意力网络框架，以捕获文本内容的全局语义关系，并结合源推文传播的全局结构信息用于谣言检测。在真实Twitter数据上的实验证明了所提方法的优越性，其在极早期阶段检测谣言也具有可比能力。
引用
@article{arxiv.2006.05866,
title = {Heterogeneous Graph Attention Networks for Early Detection of Rumors on Twitter},
author = {Qi Huang and Junshuai Yu and Jia Wu and Bin Wang},
journal= {arXiv preprint arXiv:2006.05866},
year = {2020}
}
备注
8 pages