挖掘用于错误信息识别的重要微博：一种基于注意力的方法
信息检索
2017-06-21 v1 社会与信息网络
摘要
随着社交媒体的快速发展，大量错误信息也在微博等社交媒体上广泛传播，给人类生活带来负面影响。如今，自动错误信息识别已引起学术界和工业界的关注。由于社交媒体上的一个事件通常包含多条微博，当前的方法主要基于全局统计特征。然而，社交媒体上的信息充满了噪声和异常值，需要加以缓解。此外，关于某一事件的大多数微博对错误信息的识别贡献甚微，其中有用的信息很容易被无用信息淹没。因此，挖掘重要微博对于可靠的错误信息识别方法至关重要。在本文中，我们提出了一种基于注意力的错误信息识别方法 (AIM)。基于注意力机制，AIM 能够选择具有最大注意力值的微博用于错误信息识别。AIM 中的注意力机制包含两部分：内容注意力和动态注意力。内容注意力基于每条微博的文本特征计算。动态注意力与微博发布时间与事件开始时间之间的时间间隔相关。为了评估 AIM，我们在 Weibo 数据集和 Twitter 数据集上进行了一系列实验，实验结果表明所提出的 AIM 模型优于 state-of-the-art 方法。
引用
@article{arxiv.1706.06314,
title = {Mining Significant Microblogs for Misinformation Identification: An Attention-based Approach},
author = {Qiang Liu and Feng Yu and Shu Wu and Liang Wang},
journal= {arXiv preprint arXiv:1706.06314},
year = {2017}
}