无物孤立：基于超图神经网络的关系式假新闻检测
社会与信息网络
2022-12-27 v1 机器学习
摘要
如今，假新闻通过在线社交网络轻易传播，成为对个人和社会的重大威胁。由于其内容经过精心编造，评估新闻真实性颇具挑战，导致难以获得大规模假新闻数据标注。由于这种数据稀缺问题，在监督设定下检测假新闻往往失败并过拟合。近来，图神经网络（GNN）被采用以利用有标注与无标注样本之间更丰富的关联信息。尽管结果可观，它们本质上聚焦于新闻之间的成对关系，这限制了捕捉以群体层级传播的假新闻的表达能力。例如，当我们更好地理解易受影响用户所分享新闻片段之间的关系时，假新闻检测可更为有效。为解决这些问题，我们提出利用超图表示新闻之间的群体级交互，同时通过其双层级注意力机制聚焦于重要新闻关系。基于两个基准数据集的实验表明，我们的方法取得了显著性能，即便在仅有少量标注新闻数据的情况下仍保持高性能。
引用
@article{arxiv.2212.12621,
title = {Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks},
author = {Ujun Jeong and Kaize Ding and Lu Cheng and Ruocheng Guo and Kai Shu and Huan Liu},
journal= {arXiv preprint arXiv:2212.12621},
year = {2022}
}
备注
Accepted in IEEE Big Data 22