基于多传递影响力的社交媒体谣言检测方法

摘要：

社交媒体谣言检测是当前研究的热点问题,现有方法多数通过获取大量用户属性学习用户特征,但不适用于谣言的早期检测,忽略了用户之间的潜在关系对信息传播的影响.提出一种基于多传递影响力的谣言检测方法,根据源微博及其对应转发(评论)之间的关系构建文本信息传播图,并通过图卷积神经网络来捕获、学习文本信息的传播特征.利用文本信息和用户传播过程中的影响力,丰富可用于谣言检测早期的检测信息.将存在转发关系的用户构成用户影响力传播图,构建一种用户节点影响力学习方法,获取用户节点影响力,以增强用户特征信息.在此基础上,将文本特征与用户特征融合以进行谣言检测,从而提升检测效果.在3个真实社交媒体数据集上的实验结果表明,该方法在谣言自动检测以及早期检测的效果都有显著提升,与目前最好的基准方法相比,在微博、Twitter15、Twitter16数据集上的正确率分别提高了2.8％、6.9％和3.4％.

关键词：谣言检测、传递影响力、图卷积神经网络、信息传播、社交媒体

所属期刊栏目：48

分类号：TP309(计算技术、计算机技术)

资助基金：国家重点研发计划;北京市自然科学基金;北京市教委科研计划一般项目

在线出版日期：2022-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：138-145,157