基于深层结构学习的twitter谣言检测

Deep Structure Learning for Rumor Detection on Twitter，Qi Huang，2019（IJCNN）

主要内容

• 考虑用户关系网络的结构特征，使用GCN学习用户行为中存在的图形结构信息。
• 三个结构：用户编码器、传播树编码器、集成器。

问题描述

• 事件集
• 每个事件集中包含【帖子集合、用户集合】
• 帖子集合根据转发回复关系生成传播树
• 用户集合形成一个图

模型介绍

用户编码器

• 结合了之前的用户特征(如粉丝数量、粉丝数量和注册年龄），加入了用户行为信息（通过用户之间的图关系和用户的特征获得隐藏特征）

传播树结构编码器

• 参照Majing的两个RvNN模型

整合器

• 用户编码器获得用户统计特性和行为信息，传播树结构编码器获得传播树结构和文本语义特征。因此此模型结合了用户、内容和传播特征。
  

模型训练

• 损失函数