深度学习谣言检测方法的研究现状
计算机与社会
2022-04-26 v1
摘要
为治理社交媒体中的谣言以减轻其社会危害，许多研究采用深度学习方法在开放网络中检测谣言。为从多视角全面梳理谣言检测的研究现状，本文从特征选择、模型结构与研究方法三个角度分析受高度关注的工作。在特征选择方面，我们将方法划分为谣言的内容特征、社交特征与传播结构特征。进而，依据模型结构将谣言检测的深度学习模型划分为CNN、RNN、GNN、Transformer，以便于比较。此外，本文首次将30项工作归纳为7类谣言检测方法，如传播树、对抗学习、跨域方法、多任务学习、无监督与半监督方法、基于知识图谱的方法及其他方法，并比较了不同方法检测谣言的优势。另外，本综述列举了可用数据集，并探讨了潜在问题与未来工作，以帮助研究者推动该领域发展。
引用
@article{arxiv.2204.11540,
title = {Research Status of Deep Learning Methods for Rumor Detection},
author = {Li Tan and Ge Wang and Feiyang Jia and Xiaofeng Lian},
journal= {arXiv preprint arXiv:2204.11540},
year = {2022}
}
备注
Accepted by MTAP