融合用户传播倾向信息的超图网络谣言检测模型

摘要：

[目的]构造融合用户传播倾向信息的推文交互超图谣言检测模型,提高谣言检测准确率.[方法]提出一种名为UPBI_HGRD的谣言检测模型.该模型在获取推文节点嵌入表示时融合了用户传播倾向信息,并根据用户ID构造超边,形成能够反映推文交互关系的超图.此外,提出推文节点-用户超边级多层双级多头注意力机制关注重要的推文关系,从而有效学习节点的嵌入表示,最后将其输入分类器中判断是否是谣言.[结果]在三个公开数据集上的实验结果表明,所提模型的准确率分别达到了94.57％、97.82％和94.76％,优于基线模型,并具有优秀的谣言早期检测性能,证明了模型的有效性.[局限]获取融合用户传播倾向信息的推文嵌入表示以及构建超图的过程有一定时间开销,未来将从提高模型的时间效率等方面开展进一步研究.[结论]UPBI_HGRD模型可以有效提高谣言检测的准确率,为网络谣言的识别提供了新思路.

关键词：谣言检测、节点嵌入、用户传播倾向信息、超图、多层双级多头注意力机制

所属期刊栏目：8

分类号：TP183;G35(自动化基础理论)

在线出版日期：2024-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：82-94