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