基于元路径的利用多级社会背景信息的虚假新闻检测

最新推荐文章于 2023-04-12 08:01:47 发布
最新推荐文章于 2023-04-12 08:01:47 发布
阅读量423 收藏
点赞数
分类专栏： 论文拜读 文章标签： 知识图谱 人工智能 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33137873/article/details/127117943
版权

原文

《Meta-Path-based Fake News Detection Leveraging Multi-level
Social Context Information》

一 论文目标

本文提出使用元路径中的实例来无损失地提取有效信息，用于虚假新闻检测。

二 具体方法

在这里插入图片描述
在这里插入图片描述

1 构图和特征工程

如图2，数据处理过程其实就是分别对user节点和publisher节点做node2vec和doc2vec，然后将特征拼接起来。

2 元路径实例提取

在这里插入图片描述

  • 可以看出上述特征是之前预处理过的
    在这里插入图片描述
    定义了两种元路径，根据target new从而把每张图分成两个子图，用户有按照时间先后进行排序（按照参与的时间先后进行排序，如右上图的p4，p3矩阵）

3 详细模型构造

在这里插入图片描述

3.1 节点特征转换

在这里插入图片描述
不同节点的维度不同，转换到相同维度

3.2 元路径实例编码

在这里插入图片描述

  • 这里的思路是借鉴知识图谱中的嵌入，把知识图谱中的主谓宾拓展到该论文中提出的元路径（三个实例两个边关系）

在这里插入图片描述
在这里插入图片描述

  • 上述每个p实例通过元路径嵌入可以得到对应的嵌入向量

3.3 元路径实例聚合

注意力部分：
在这里插入图片描述
在这里插入图片描述

对于用户部分，类似用户传播序列，采用gru：
在这里插入图片描述

3.4 语意聚合

在这里插入图片描述
最后两个输出的向量再加一个注意力权重，
在这里插入图片描述
最后是目标函数：
在这里插入图片描述

三 实验

在这里插入图片描述

在这里插入图片描述

  • 左边的fake是虚假信息，右边的fake是误传信息。误传信息没有周期行为，没有出现周期性尖峰，跟真实信息一样很快趋于0。而虚假信息会被反复提及，会有周期性行为，与真实信息差异较大。

在这里插入图片描述

  • FANG数据集中的fake是虚假信息，因此会有更多时序信息；用gru效果更好；而HealthStory中的fake是误传信息，用attention来捕捉其他信息会有更好效果。

在这里插入图片描述

在这里插入图片描述

  • 只用30%的数据量就可以实现比其他方法用完整的数据集精度更高了

四 思考

用了元路径，嵌入过程把边关系也做了一个嵌入，因此学习到的向量可能更具有潜在信息

深度学习机器
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SpringBoot 系列教程(一百零五)：SpringBoot调用Minio API时多级目录如何操作
Thinkingcao的专栏
11-20 3079
背景 在使用minio做分布式系统文件存储时，有几个术语概念必须要理清楚，因为在minio存储目录是多级目录时，难以区分。 参数 类型 描述 bucketName String 存储桶名称 objectName String 存储桶里的对象名称 一、由来 假设现在minio的控制台界面有个bucket（桶），叫做devBucket，然后在devBucket目录中创建一个images文件夹，接下来在images文件夹中上传一个test.jpg图片，因此整个静态资源图片的访问URL应该是
什么是元路径
01-20
可解释性推荐，就是不仅要预测推荐的商品，还要给出推荐的理由。 推荐中有一个概念叫元路径。在电影推荐的场景里，如下图所示。我们用 U 表示用户，用 M 表示电影，那么 UUM 是一条元路径。它表示一位用户关注了另一位用户，那么我们可以将用户看过的电影，推荐给关注他的人。 当然，还有比如 UMUM 表示与你看过相同电影的人还在看什么电影这条路径；UMTM 表示与你看过同一类型电影的路径…元路径有很多，不同元路径对于不同的业务语义。在这个场景中，图神经网络模型有两个任务，一个是推荐影片给用户，二是给出哪条元路径的权重更高。而这正式 GNN 可解释性的体现。 https://mp.weixin.q
虚假新闻检测论文阅读（一）：Fake News Detection using Semi-Supervised Graph Convolutional Network
weixin_43421371的博客
07-17 983
虚假信息检测：基于新闻文本、图神经网络、半监督学习、WMD
【论文翻译 虚假新闻检测综述 KDD 2017】Fake News Detection on Social Media: A Data Mining Perspective
byn12345的博客
06-09 5273
论文题目：Fake News Detection on Social Media: A Data Mining Perspective 论文来源：KDD 2017 美国亚利桑那州立大学, 美国密歇根州立大学 论文链接：https://arxiv.org/abs/1708.01967 关键词：虚假新闻检测，社交媒体，综述 文章目录1 摘要2 引言3 假新闻的特点3.1 虚假新闻的定义3.2 传统新闻媒体上的虚假新闻3.3 社交媒体上的虚假新闻4 假新闻检测4.1 问题定义4.2 特征抽取4.2.1 新闻内.
虚假谣言，新闻的检测与分析论文
zxker
05-04 1788
DRIMUX: Dynamic Rumor Influence Minimizationwith User Experience in Social Networks 论文地址：https://ieeexplore.ieee.org/document/7982738 大概说：在谣言的传播过程中，我们考虑个人间和全网络传播中的概率影响，使用生存理论和动态贪心算法，在用户的忍受时限下，尽早阻塞K个...
元路径metapath
qq_41786778的博客
12-04 1736
https://blog.csdn.net/hy_jz/article/details/78862226
基于STM32的OLED多级菜单项目（简化版智能手表）
08-24
基于STM32的OLED多级菜单项目（简化版智能手表），代码完美注释，简单易懂。整体框架简单，方便根据自己的需求去进行二次修改。有需要的朋友可以下载，有疑问私聊博主。如果积分不够，点个关注，博主免费提供源码！
基于MATLAB的圆形检测算法
07-20
综上所述，基于MATLAB的圆形检测算法利用了图像边缘的梯度信息，显著提升了检测速度，降低了计算复杂性。结合MATLAB的强大功能和易用性，使得该算法成为一种高效且实用的圆形检测工具。对于需要快速处理大量图像，...
一种基于多级流表的中间件服务链的部署方法
01-19
为了解决服务链部署中的路径循环和源地址绑定问题，首先，提出一种新的服务链部署方法，该方法利用OpenFlow多级流表标识服务链及服务顺序，从而使数据分组按照需求的服务顺序正确处理；其次，提出服务链部署算法以...
多级协同项目执行中的资源冲突检测与管理 (2008年)
05-18
以航空航天型号工程项目为背景，针对多级协同项目中的资源冲突问题，利用基于时间约束网络的冲突检测算法实现了多级协同项目中的资源冲突检测，该算法建立了任务关系的时间约束网络模型，给出了基于模型的线性化、...
元路径解析
luoxuexiong的博客
05-10 7708
本文转载于以下博客地址：https://blog.csdn.net/hy_jz/article/details/78862226 如有冒犯，还望谅解！ Meta Path 是2011年 Yizhou Sun etc. 提出的 http://www.morganclaypool.com/doi/abs/10.220/S00433ED1V01Y201207DMK005, 针对异质网络中的相似性搜索...
推荐系统中的元路径（meta-path）
最新发布
CSDN 精品推荐
04-12 1540
推荐系统中的元路径（meta-path）是指用于描述不同类型节点之间关系的路径。在推荐系统中，元路径可以用来挖掘节点之间的相似性和影响力，从而提高推荐的准确性和多样性。
《Graph Learning》| HIN-基于元路径的相似度
u013550000的博客
10-27 2205
https://mp.weixin.qq.com/s?__biz=MzI2MDE5MTQxNg==&mid=2649690799&idx=1&sn=56075bee3759ebdbe11798b30fd47b19&chksm=f276d778c5015e6e95d5e8c386b9f89fbb7716cb97c778c40c018bdd846177e001396a3...
异构图的图嵌入（元路径）
TUtou_XiaoGe的博客
01-05 3587
目录 MetaPath2vec 1.基于元路径的信息提取器 2.重构器 3.构造目标 MetaPath2vec 在异构图中，不同类型的节点和边具有不同的语义含义。因此，对于异构网络嵌入，不仅要关注节点之间的结构相关性，还要关注节点之间的语义相关性。metapath2vec (Dong et al.， 2017)被提出来捕捉节点之间的这两种相关性。接下来，我们详细介绍metapath2vec (Dong et al.， 2017)算法，包括其提取器、重构器和目标。注意，metapath2vec中的
图技术学习-来自美团技术研究
han_liwei的博客
12-25 589
图技术的简单介绍
图学习——06.metapath2vec
m0_51474171的博客
10-19 1235
给定如下图的一个语料，假设窗口大小为5（给定节点左右两个节点出现的概率），当给定节点The的时候，计算quick和brown出现的概率，同样，在给定quick的时候，计算The，brown和fox出现的概率，以此类推。首先，第三个表示，vti和vi+1不相邻，那游走的概率就是0，第二个表示，两个节点相邻，但是vi+1不是元路径所规定的节点类别，那游走概率也是零，第一个就是。比如给定下图元路径MIT，a1，p1，那么给定节点a1，就可以计算节点MIT出现的概率和p1出现的概率并使其最大化。
异构网络中基于元图的推荐——FMG
beilizhang的博客
10-23 2386
主要参考论文：《Meta-Graph Based Recommendation Fusion over Heterogeneous Information Networks》 概述 基于异构信息网络的推荐系统面临两个问题：1.如何表示高阶推荐语义；2.如何融合异构信息用于推荐。 针对第一个问题，本文采用了元图（和元路径）来表示高阶推荐语义；对于第二个问题，本文先用标准矩阵分解技术（MF）分解每个元图（元路径）得到的相似度矩阵，生成用户和物品的隐式表征，对不同元图（元路径）得到的表征使用带有group las
异构网络-元图、知识图谱
weixin_42522567的博客
07-08 472
异构网络：异构网络中基于元图的推荐——FMG_cqu_shuai的博客-CSDN博客_元图和元路径异构信息网络和知识图谱异同异质信息网络和知识图谱_饮冰l的博客-CSDN博客_异质信息网络
社交网络虚假信息：定义、检测与对策
虚假信息，特别是假新闻和谣言，已经成为社交网络的一大顽疾，对政治、经济、心理学等领域产生了深远的社会影响。为了营造一个安全、可信的网络环境，对虚假信息的有效检测和控制显得尤为重要。 首先，文章梳理了假...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值