融合元路径学习和胶囊网络的社交媒体谣言检测方法
以源推特文本为研究对象,深度挖掘推特正文内容的语义信息,并强调谣言在具有异质性的社交网络传播过程中存在的结构特征,以达到提升谣言检测效果的目的.采取基于One-Hot Encoding的词嵌入方法,结合Multi-head attention机制实现推特正文内容初级语义特征的提取,并进一步基于胶囊网络(CapsNet)构建内容胶囊(content-capsule)模块实现对正文内容深度语义特征的提取,结合图卷积胶囊(GCN-Capsule)模块实现谣言在社交网络中传播结构特征的提取,将两种胶囊向量采用一种动态路由机制进行融合,进一步丰富输入特征,之后输出源推特的分类结果,进而实现源推特的谣言检测.实验结果显示,该模型对谣言识别的正确率达93.6%.
胶囊网络、数据挖掘、元路径学习、谣言检测
51
TP181(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家自然科学基金;四川省区域创新合作项目;四川省科技计划重点研发项目;四川省科技计划重点研发项目;四川省科技计划重点研发项目;四川省科技计划重点研发项目;博士后基金;广东省国家重点实验室项目;网络与数据安全四川省重点实验室开放课题
2022-07-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
608-614