QSAN：一种基于量子概率的符号注意力网络用于可解释虚假信息检测
社会与信息网络
2020-09-09 v1
摘要
社交媒体上的虚假信息检测具有挑战性，因为它通常需要繁琐的证据收集且缺乏可用的对比信息。从用户评论中挖掘的线索，作为群体智慧，对该任务大有裨益。然而，考虑到帖子内容与评论之间隐含的关联，捕捉其中的复杂语义并非易事。尽管深度神经网络具有良好的表达能力，但其一个主要缺陷是缺乏可解释性。在本文中，我们关注如何借助社交媒体中的帖子内容及相关评论进行学习，以更具可解释性地有效理解与检测虚假信息。因此我们提出了一种基于量子概率的符号注意力网络（QSAN），该网络在统一框架中集成了量子驱动文本编码与一种新颖的符号注意力机制。QSAN 不仅能从其他评论中区分出重要评论，还能利用评论中相互冲突的社会观点来促进检测。此外，得益于量子物理含义与注意力权重，QSAN 在透明性方面具有可解释性优势。在真实世界数据集上的大量实验表明，我们的方法优于最先进的基线方法，并且能够提供不同类型的用户评论来解释为何某条信息被检测为虚假。
引用
@article{arxiv.2009.03823,
title = {QSAN: A Quantum-probability based Signed Attention Network for Explainable False Information Detection},
author = {Tian Tian and Yudong Liu and Xiaoyu Yang and Yuefei Lyu and Xi Zhang and Binxing Fang},
journal= {arXiv preprint arXiv:2009.03823},
year = {2020}
}
备注
Accepted by CIKM2020