大规模在线社交网络中挖掘用户感知多关系用于假新闻检测

用户参与新闻的创建与传播是在线社交网络假新闻检测的重要方面。直观上，可信用户更可能分享可信新闻，而不可信用户传播不可信新闻的概率更高。本文中，我们构建了一个双层图（即新闻层与用户层），以提取社交网络中新闻与用户的多种关系，从而推导用于假新闻检测的丰富信息。基于该双层图，我们提出了名为 Us-DeFake 的假新闻检测模型。它学习新闻层中新闻的传播特征与用户层中用户的交互特征。通过图中的层间连接，Us-DeFake 将包含可信度信息的用户信号融合进新闻特征，以提供具有区分性的用户感知新闻嵌入用于假新闻检测。训练过程在由图采样器获得的多个双层子图上执行，以使 Us-DeFake 适用于大规模社交网络。在真实世界数据集上的大量实验表明了 Us-DeFake 的优越性，其优于所有基线方法，且通过交互关系学习到的用户可信度信号可显著提升我们模型的性能。