科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]提高社交媒体中谣言实时检测的准确率，降低谣言传播危害。 [方法]提出一种融合知识图谱的图注意力神经网络谣言实时检测方法。首先，通过知识蒸馏从外部知识图谱中获取文本内容的背景知识；其次，通过点互信息把文本和背景知识转化为加权图结构表示，利用一种考虑边权重的图注意力神经网络从加权图中学习文本的非连续语义特征；然后，通过预训练语言模型BERT学习文本的连续语义特征，利用嵌入方法把用户和内容统计特征转化为连续向量表示；最后，把所有特征进行融合，输入全连接神经网络中进行谣言检测。 [结果]在两个公开的社交媒体谣言数据集PHEME 和 WEIBO上的实验结果表明，该方法的准确率分别达到了92.1%和84.0%，高于最先进的对比基线方法。 [局限]方法没有融合帖子中可能附加的图片或视频信息，不能进行多模态融合的谣言检测。 [结论]融合背景知识可以补充短文本的语义表示，融合用户和内容统计特征可以辅助文本语义特征做决策，提高模型的准确率。
- 单位
