基于动态超图的多视角假新闻检测模型
机器学习
2024-12-30 v1
摘要
随着在线社交网络的快速发展以及内容审核机制的不足，假新闻检测已成为公众迫切关切的问题。已提出 various 方法进行假新闻检测，包括基于文本的方法以及一系列基于图的方法。然而，假新闻的欺骗性质使得基于文本的方法效果较差。基于传播树的方法关注单个新闻的传播过程，捕获二元关系，但缺乏捕获高阶复杂关系的能力。大规模异构图方法需要除新闻文本和用户数据之外的大量额外信息，而超图方法则依赖于预定义的超图结构。为解决上述问题，我们提出了一种新颖的基于动态超图的多视角假新闻检测模型（DHy-MFND），通过三种不同视角学习新闻嵌入：文本级、传播树级和超图级。采用超图结构建模多个新闻之间复杂的高阶关系，并引入动态超图结构学习，以优化预定义的超图结构同时学习新闻嵌入。此外，我们引入对比学习以捕获不同视角中与真实性相关的嵌入。大量实验表明，我们提出的 DHy-MFND 在两个基准数据集上优于广泛的竞争基线。
引用
@article{arxiv.2412.19227,
title = {Multi-view Fake News Detection Model Based on Dynamic Hypergraph},
author = {Rongping Ye and Xiaobing Pei},
journal= {arXiv preprint arXiv:2412.19227},
year = {2024}
}