基于声明引导分层图注意力网络的 Twitter 谣言检测
计算与语言
2021-11-16 v2
摘要
在社交媒体时代，谣言猖獗。对话结构为区分真实与虚假声明提供了有价值的线索。然而，现有的谣言检测方法要么受限于用户回复的严格关系，要么过度简化对话结构。在本研究中，为了在显著增强用户观点交互的同时减轻无关帖子带来的负面影响，我们首先将对话线程表示为无向交互图。然后我们提出一种用于谣言分类的声明引导分层图注意力网络，该网络在考虑整个社交语境的情况下增强对回复帖子的表示学习，并对能够语义推断目标声明的帖子进行注意力加权。在三个 Twitter 数据集上的大量实验表明，我们的谣言检测方法比最先进的方法性能更好，并展现出在早期阶段检测谣言的优越能力。
引用
@article{arxiv.2110.04522,
title = {Rumor Detection on Twitter with Claim-Guided Hierarchical Graph Attention Networks},
author = {Hongzhan Lin and Jing Ma and Mingfei Cheng and Zhiwei Yang and Liangliang Chen and Guang Chen},
journal= {arXiv preprint arXiv:2110.04522},
year = {2021}
}
备注
Accepted to the main conference of EMNLP2021