通过关注用户交互的可解释微博谣言检测
计算与语言
2020-01-30 v1 信息检索
社会与信息网络
摘要
我们通过学习区分社交媒体中社区对真实与虚假声明的响应来解决谣言检测问题。现有最先进模型基于建模对话树的树模型。然而在社交媒体中,发布回复的用户可能是在回复整个线程而非某个特定用户。我们提出一种帖子级注意力模型(PLAN),以Transformer网络中的多头注意力机制对推文间的长距离交互建模。我们研究了该模型的变体:(1)在Transformer网络中融入树结构信息的结构感知自注意力模型(StA-PLAN);(2)以词元级自注意力学习句子表示的层次化词元与帖子级注意力模型(StA-HiTPLAN)。据我们所知,我们首次在两个谣言检测数据集上评估我们的模型:PHEME数据集以及Twitter15和Twitter16数据集。我们表明我们的最佳模型在两个数据集上均优于当前最先进模型。此外,注意力机制使我们能够在词元级和帖子级解释谣言检测预测。
引用
@article{arxiv.2001.10667,
title = {Interpretable Rumor Detection in Microblogs by Attending to User Interactions},
author = {Ling Min Serena Khoo and Hai Leong Chieu and Zhong Qian and Jing Jiang},
journal= {arXiv preprint arXiv:2001.10667},
year = {2020}
}
备注
8 pages, 3 figures, AAAI 2020 Conference