10.11772/j.issn.1001-9081.2021060963
基于用户传播网络与消息内容融合的谣言检测模型
针对社交媒体平台上消息内容普遍很短、传播结构中存在大量空转发、用户角色与内容间的失配等条件约束,提出了一种基于传播网络中的用户属性信息和消息内容的谣言检测模型GMB_GMU.首先以用户属性为节点、传播链为边构建用户传播网络,并引入图注意力网络(GAT)得到用户属性的增强表示;同时,基于此用户传播网络,利用node2vec得到用户的结构表征,并使用互注意机制对其进行增强.另外,引入BERT建立源帖内容表征.最后,利用多模态门控单元(GMU)对用户属性表征、结构表征和源帖内容表征进行融合,从而得到消息的最终表征.实验结果表明,GMB_GMU模型在公开的Weibo数据上的准确率达到0.952,能够有效识别谣言事件,效果明显优于基于循环神经网络(RNN)和其他神经网络基准模型的传播算法.
谣言检测;用户属性;图注意力网络;多模态门控单元;传播网络
41
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61872260
2022-01-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
3540-3545