SCARLET：基于可解释注意力的图神经网络用于假新闻传播者预测
社会与信息网络
2021-02-10 v1
摘要
虚假信息与核查它的真实信息常常共存于社交网络中，各自在传播路径上竞争以影响人们。此处一种遏制虚假信息的有效策略是主动识别传播路径中的节点是否可能认可虚假信息（即进一步传播它）或辟谣信息（从而帮助遏制虚假信息传播）。在本文中，我们提出 SCARLET（基于信任与可信度、利用注意力的图神经网络模型）来预测传播路径中节点的可能行为。我们利用历史行为数据和网络结构从节点的邻域聚合信任与可信度特征，并解释传播者邻域的特征如何变化。使用真实世界的 Twitter 数据集，我们表明该模型能够以超过 87% 的准确率预测虚假信息传播者。
引用
@article{arxiv.2102.04627,
title = {SCARLET: Explainable Attention based Graph Neural Network for Fake News spreader prediction},
author = {Bhavtosh Rath and Xavier Morales and Jaideep Srivastava},
journal= {arXiv preprint arXiv:2102.04627},
year = {2021}
}
备注
Accepted to the Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD, 2021)