一种加权图卷积神经网络的新浪微博谣言检测方法

作者：王昕岩; 宋玉蓉; 宋波

来源：小型微型计算机系统, 2021, 42(08): 1780-1786.

• 图卷积神经网络
• 连边权重
• 新浪微博
• 谣言检测

信息化时代下,广泛传播的谣言极大地影响了人们的日常生活,甚至威胁了社会稳定,因此对谣言的检测任务具有现实意义.目前基于深度学习模型的谣言检测方法忽略了事件之间的联系或事件之间联系的紧密程度,对检测效果造成了一定影响.本文考虑事件之间联系的异质性,将事件之间联系的紧密程度描述为连边权重,提出了一种基于加权图卷积神经网络(Weighted-Graph Convolutional Netw ork,W-GCN)模型的新浪微博谣言检测方法.该方法通过W-GCN模型,学习得到节点的隐层表示,进而对节点进行分类,最终完成谣言检测任务.实验结果表明,与现有的谣言检测方法相比,本文提出的基于W-GCN模型的谣言检测方法,可以提高谣言检测的正确率、精确率、召回率和F1值,即能更有效地识别谣言.

• 单位
  自动化学院; 南京邮电大学