摘要

【目的】针对目前的谣言检测方法未能充分考虑评论间的转发关系特征和文本语义特征问题,本文提出了一种基于图卷积网络和注意力机制的谣言检测方法。【方法】首先,对评论间转发和回复关系特征进行分析构建评论关系特征图,充分挖掘评论间的关联特性。然后,根据评论间的文本语义相似性,使用BERT模型生成句子的向量化表示并通过计算余弦相似度构建了评论的语义特征图,充分提取评论的语义相关性。最后,基于图卷积网络(GCN)完成了不同节点之间的信息传递并在各节点信息传输过程中使用注意力机制来区分源评论和其他评论对谣言检测的影响,进而得到评论节点的准确表示。【结果】在公开数据集上进行实验,结果显示本文方法在Twitter15和Twitter16数据集中的准确率分别达到了0.86和0.87,F1均值分别为0.86和0.87。与BiGCN方法相比,准确率在Twitter15和Twitter16数据集上分别提升了5.1%和1.5%,F1均值分别提升了5.3%和2.3%。【局限】本文方法仅使用文本数据进行谣言检测,在后续研究中将考虑结合图片、用户属性及时间属性等特征,进一步提升模型的准确率。【结论】在公开数据集上进行应用,验证了所提方法可以有效地提升谣言检测性能,为谣言识别与检测任务提供有价值的参考。