为解决现有谣言检测模型对时间信息利用不充分的问题,同时验证利用谣言传播的社区结构特征可以提高谣言检测模型的性能,提出一种融合动态传播和社区结构的社交媒体谣言检测模型Dy_PCRD(rumor detection model based on dynamic propagat...为解决现有谣言检测模型对时间信息利用不充分的问题,同时验证利用谣言传播的社区结构特征可以提高谣言检测模型的性能,提出一种融合动态传播和社区结构的社交媒体谣言检测模型Dy_PCRD(rumor detection model based on dynamic propagation and community structure),一方面使用图卷积网络提取谣言传播的结构特征,另一方面先根据谣言内容和传播结构划分话题社区,再使用一种新型的注意力计算方法提取谣言的社区结构特征,将二者分别输入时间注意力单元对其动态变化规律进行建模,最后基于所获得的嵌入表示对谣言进行分类。三个公开数据集上的实验结果表明,在相同条件下,相较于基线模型,其准确率及其他各评价指标均有所提升,验证了社区结构特征、动态性特征以及相关注意力计算方法对提升谣言检测模型性能的有效性。展开更多
文摘为解决现有谣言检测模型对时间信息利用不充分的问题,同时验证利用谣言传播的社区结构特征可以提高谣言检测模型的性能,提出一种融合动态传播和社区结构的社交媒体谣言检测模型Dy_PCRD(rumor detection model based on dynamic propagation and community structure),一方面使用图卷积网络提取谣言传播的结构特征,另一方面先根据谣言内容和传播结构划分话题社区,再使用一种新型的注意力计算方法提取谣言的社区结构特征,将二者分别输入时间注意力单元对其动态变化规律进行建模,最后基于所获得的嵌入表示对谣言进行分类。三个公开数据集上的实验结果表明,在相同条件下,相较于基线模型,其准确率及其他各评价指标均有所提升,验证了社区结构特征、动态性特征以及相关注意力计算方法对提升谣言检测模型性能的有效性。