面向多域社交网络谣言检测的有效方法：基于域门控混合专家模型
社会与信息网络
2026-02-26 v1 计算与语言
信息检索
摘要
社交媒体平台因其广泛的可达性和信息共享便利性，已成为谣言传播与跟踪的关键渠道。谣言可以不断在 diverse 域和主题中出现，往往旨在误导社会，以个人或商业利益为目的。因此，开发能够在早期阶段准确检测谣言的方法至关重要，以缓解其负面影响。虽然现有方法常在单域检测方面专精，但在应用于新域时性能会因数据分布变化（如词汇模式和传播动力学）而下降。为弥合这一差距，本研究引入了 PerFact，一个大规模多域谣言数据集，包含 8,034 篇标注后的帖子，归类为谣言（包括真实谣言、虚假谣言和未验证谣言）和非谣言两大类别。通过 Fleiss' Kappa () 测量的标注员一致性，确保了高质量标签。进一步本研究提出了有效的多域谣言检测模型，采用域门控动态聚合通过混合专家方法提取的多个特征表示。每个专家组合 CNN 和 BiLSTM 网络以捕获局部句法特征和长程语境依赖。通过利用文本内容和发布者信息，该模型以高准确率将帖子分类为谣言和非谣言类别。评估表明实现了最先进的性能，在多域设置下达到 79.86% 的 F1 分数和 79.98% 的准确率。关键词：谣言检测、多域、自然语言处理、社交网络、混合专家模型
引用
@article{arxiv.2602.21214,
title = {Toward Effective Multi-Domain Rumor Detection in Social Networks Using Domain-Gated Mixture-of-Experts},
author = {Mohadeseh Sheikhqoraei and Zainabolhoda Heshmati and Zeinab Rajabi and Leila Rabiei},
journal= {arXiv preprint arXiv:2602.21214},
year = {2026}
}