图形全局注意力网络与记忆用于假新闻检测
摘要：社交媒体的普及使得假新闻的检测成为一个关键问题，对社会构成了重大的威胁。虚假信息的传播可能导致社会伤害并破坏信息的可信度。为了解决这个问题，深度学习作为一种有前景的方法已经在自然语言处理的发展中出现。本研究针对社交媒体上检测假新闻的问题进行了研究，这对社会构成了重大挑战。本研究提出了一种名为GANM的新方法来检测假新闻，该方法采用NLP技术对新闻内容和用户内容进行编码，并使用三个图卷积网络来提取特征和聚合用户的内源和外源信息。GANM采用了一种独特的带有记忆的全局注意机制，用于学习新闻传播网络的结构同质性。该方法在一个真实数据集上取得了良好的结果。
作者：Qian Chang, Xia Lia, Patrick S.W. Fong
论文ID：2305.00456
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-05-18