利用多级社会上下文信息的基于元路径假新闻检测
社会与信息网络
2021-11-18 v2 人工智能
计算机与社会
摘要
假新闻是以新闻形式呈现的虚假或误导信息，对社会诸多方面如政治或医疗领域有显著影响。因假新闻具欺骗性，仅对新闻内容应用自然语言处理（NLP）技术并不充分。多级社会上下文信息（新闻发布者与社交媒体参与用户）及用户参与的时间信息均为假新闻检测中的重要信息。然而，此类信息的恰当使用带来三方面长期困难：1）多级社会上下文信息难以在无损失情况下使用；2）时间信息难以与多级社会上下文信息结合使用；3）含多级社会上下文与时间信息的新闻表示难以端到端学习。为克服三者，我们提出新假新闻检测框架 Hetero-SCAN。我们利用元路径提取无损失的有意义多级社会上下文信息。元路径是连接两类节点的复合关系，用于捕捉异质图中的语义。进而提出元路径实例编码与聚合方法以捕捉用户参与时间信息并端到端生成新闻表示。实验表明，Hetero-SCAN 较最先进假新闻检测方法取得显著性能提升。
引用
@article{arxiv.2109.08022,
title = {Meta-Path-based Fake News Detection Leveraging Multi-level Social Context Information},
author = {Jian Cui and Kwanwoo Kim and Seung Ho Na and Seungwon Shin},
journal= {arXiv preprint arXiv:2109.08022},
year = {2021}
}