联合嵌入异构图局部与全局关系以进行谣言检测
计算与语言
2019-09-12 v2 信息检索
社会与信息网络
摘要
社交媒体的发展彻底改变了人们交流、分享信息和做出决策的方式，但也为发布和传播谣言提供了理想平台。现有的谣言检测方法侧重于从文本内容、用户画像和传播模式中寻找线索。然而，消息传播图中的局部语义关系和全局结构信息尚未被先前的工作充分利用。在本文中，我们提出了一种用于谣言检测的新型全局-局部注意力网络（GLAN），它联合编码局部语义和全局结构信息。我们首先通过注意力机制融合相关转推的语义信息，为每条源推文生成更好的整合表示。然后，我们将所有源推文、转推和用户之间的全局关系建模为异构图，以捕获用于谣言检测的丰富结构信息。我们在三个真实世界数据集上进行了实验，结果表明 GLAN 在谣言检测和早期检测场景中均显著优于 SOTA 模型。
关键词
引用
@article{arxiv.1909.04465,
title = {Jointly embedding the local and global relations of heterogeneous graph for rumor detection},
author = {Chunyuan Yuan and Qianwen Ma and Wei Zhou and Jizhong Han and Songlin Hu},
journal= {arXiv preprint arXiv:1909.04465},
year = {2019}
}
备注
10 pages, Accepted to the IEEE International Conference on Data Mining 2019