FANG:利用图表示及社会背景进行虚假新闻检测
Factual News Graph(FANG):事实新闻图
- 表征学习
- 在训练中可扩展,不必维护所有节点
CONTRIBUTIONS
(1)提出新的图形表示:模拟了社交者及其相互作用,并进行建模,如下图1:社会背景的图形表示。
(2)提出事实新闻图(FANG):是一个归纳图学习框架,有效捕捉社会结构和参与模式,从而提高代表质量。
(3)证明FANG在有限训练数据的情况下是鲁棒的。
(4)证明了FANG所学的表征可推广到相关的方向,如:新闻报道真实性的预测。
(5)通过循环聚合器的注意机制,证明了FANG的可解释性。
RELATED WORK
2.1语境虚假新闻检测
- 先前关于背景虚假新闻检测的工作可以根据用于表示和学习社会背景的方法来分类。
欧几里得方法将社会背景表示为平面向量或实数矩阵。
他们通常学习最接近虚假新闻预测的社会实体特征的欧几里德变换。
这种转换的复杂性从传统的浅层模型,即随机森林或支持向量机(SVM)到概率图形模型和深层神经网络,如长短期记忆(LSTM) ,它们对参与时间性进行建模。
然而,考虑到我们将社会背景表述为一个异构网络,欧几里德表示