文献类型：期刊文章

作　　者：胡斗[1] 卫玲蔚[2,3] 周薇[2] 淮晓永[1] 韩冀中[2] 虎嵩林[2,3]

Hu Dou;Wei Lingwei;Zhou Wei;Huai Xiaoyong;Han Jizhong;Hu Songlin(National Computer System Engineering Research Institute of China,Beijing 100083;Institute of Information Engineering,Chinese Academy of Sciences,Beijing 100093;School of Cyber Security,University of Chinese Academy of Sciences,Beijing 100049)

机构地区：[1]华北计算机系统工程研究所,北京100083 [2]中国科学院信息工程研究所,北京100093 [3]中国科学院大学网络空间安全学院,北京100049

出　　处：《计算机研究与发展》

基　　金：国家重点研发计划项目(2018YFC0806900)。

年　　份：2021

卷　　号：58

期　　号：7

起止页码：1395-1411

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：近年来,社交媒体为人们消费信息提供便利的同时,也逐渐成为谣言产生和传播的温床.为了降低谣言的危害性,谣言检测受到研究学者的广泛关注.近期研究主要基于博文内容和传播结构信息,利用深度学习模型进行谣言检测.但是,这些方法仅考虑传播过程中博文之间的显式交互关系,忽略了对潜在关系的建模,难以捕捉到丰富的传播结构特征.例如,在转发(或评论)的交互形式下,多个转发者(或评论者)之间往往也存在局部的隐式交互.针对该挑战,提出一种基于多关系传播树的谣言检测方法,建模博文之间的多种依赖关系,同时增强重要博文的影响力,以捕获更丰富的信息传播结构特征.具体地,基于文本内容和传播树结构建立异构图,使用多关系图卷积网络建模父子节点之间的层间依赖关系和兄弟节点之间的层内依赖关系,并利用源节点和关键传播节点建模重要博文在信息传播中的潜在影响力,从而学习一个更全面的特征向量表示,用于检测谣言.在3个公开的真实数据集上进行广泛的实验,结果表明该方法具有比其他基线方法更高的谣言检测性能.

关 键 词：谣言检测  传播树  图卷积网络  信息传播 社交媒体

分 类 号：TP391]