Hy-DeFake:超图神经网络用于检测在线社交网络中的假新闻
1School of Computing, Macquarie University, Macquarie Park, Sydney, 2109, NSW, Australia.
概括
打击在线假新闻至关重要. 一种新方法,Hy-DeFake,使用归因的超图来捕捉复杂的用户-新闻关系,改善虚假新闻的检测超出了简单的图表.
科学领域:
- 计算机科学 计算机科学
- 社交网络分析 社交网络分析
- 信息科学 信息科学 信息科学
背景情况:
- 社交媒体是主要的新闻来源,因此虚假新闻的检测至关重要.
- 现有的方法在有限的文本数据和简单的图形结构上扎.
- 社交网络中的高层关系对于准确的假新闻检测至关重要.
研究的目的:
- 为了解决当前假新闻检测方法的局限性.
- 提出一种新的方法,利用社会网络中的高级关系.
- 开发一种能够捕捉复杂用户-新闻交互的方法.
主要方法:
- 构建一个归因的超图来建模非文本和高阶关系.
- 介绍Hy-DeFake,一个基于超图神经网络的方法.
- 整合语义新闻内容,用户信誉和高阶相关性.
主要成果:
- "Hy-DeFake"有效地捕捉了超越对联的复杂关系.
- 该方法在假新闻检测方面表现出卓越的性能.
- 在四个数据集上的实验显示,与九种基线方法相比,有显著的改善.
结论:
- 探索超越对比关系对于有效的假新闻检测至关重要.
- 赋值超图和超图神经网络提供了一个强大的框架.
- Hy-DeFake提供了一种强大的解决方案,用于打击在线假新闻.
