双向卷积神经网络_【清华腾讯-AAAI2020】双向图卷积神经网络谣言检测，Rumor Detection on Social Media with Bi-Directional Graph Conv...

题目

双向图卷积神经网络谣言检测，Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks

关键字

双向图卷积神经网络，社交媒体节点图，谣言检测，深度学习，图模型

简介

社交媒体以其传播新信息的特性在公众中得到了迅速的发展，导致了信息的传播。与此同时，在社交媒体上从如此海量的信息中发现谣言正成为一个巨大的挑战。因此，一些深度学习方法被应用于通过谣言传播的方式发现谣言，如递归神经网络(RvNN)等。然而，这些深度学习方法只考虑了深度传播的模式，而忽略了谣言检测中的宽扩散结构。实际上，谣言的传播和传播是谣言的两个重要特征。本文提出了一种新的双向图模型，即双向图卷积网络(bi GCN)，通过自上而下和自下而上两种方式来揭示谣言的传播特性。它利用带有自上而下有向流言传播图的GCN来学习流言传播模式；利用带有有向流言传播图的GCN来捕获流言传播结构。此外，来源帖子的信息被卷入到GCN的每一层，以增强谣言根源的影响。在多个基准上的令人鼓舞的经验结果证实了所提出的方法比最新方法的优越性。

作者 Tian Bian,Xi Xiao,Tingyang Xu,Peilin Zhao,Wenbing Huang,Yu Rong,Junzhou Huang，来自清华大学和腾讯人工智能实验室。