虚假新闻检测论文阅读（六）：A Deep Learning Model for Early Detection of Fake News on Social Media

论文标题：A Deep Learning Model for Early Detection of Fake News on Social Media
日期：IEEE2020

#半监督、#伪标签、#可信度评估

一、基本内容

训练一个有监督模型和一个无监督模型，但是该工作不仅利用了新闻内容信息，还利用了用户对新闻的评论信息以及作者的可信度信息，使用的信息更为广泛，从而取得了更好的效果。

二、主要工作

（1）建立一个模型提取用户在评论中表达的观点；
（2）使用CredRank算法评估用户的可信度；
（3）建立一个参与新闻传播的用户的小网络。
以上三个步骤的输出作为新闻分类器SSLNews的输入，SSLNews由三个网络组成：共享的CNN、无监督的CNN和有监督的CNN。

三、模型框架

四个模块：意见提取模块、用户可信度评估模块、用户网络构建模块和分类器

提取 回复 和 用户特征，回复 用作 意见提取块的输入，用户特征 用作 可信度评估和网络构建块的输入。将意见提取块的输出和可信度评估块的输出连接起来，连接结果和网络N用作分类器SSLMEWS的输入。

1. Opinion extraction

使用GloVe作为网络的嵌入层，使用tanh作为激活函数。

这一网络的输出评论中表示的意见：1——作者同意给定的推文，0——不同意。

使用Sentiment140训练模型。

2. User’s credibility assessment
使用论文【M. A. Abbasi and H. Liu, “Measuring user credibility in social media,” International Conference on Social Computing, Behavioral-Cultural Modeling, and Prediction, pp. 441-448, 2013】中的（即CredRand算法）模型评估用户可信度。

研究基于用户的特征：
（1）用户账户是否是经过验证的账户；
（2）用户发布的状态数量；
（3）用户的地理定位是否启用；
（4）用户的粉丝数；
（5）用户关注的用户数量。

找到具有相似特征的用户，使用分层聚类方法将相似的用户聚合，用$sim(u_i,u_j)=\sigma (C(u_i),C(u_j))$确定相似性（$C(u_i)$表示用户特征）。

在我们的模型中，使用Jaccard相似度评估用户之间的相似度：$sim(u_i,u_j)=(C(u_i)\cap C(u_j))/(C(u_i)\cup C(u_j))$。如果相似度超过阈值$tau$（$tau$的值因域而异），则使用上述方法将相似用户聚集在一起。

使用以下公式分配集群的权重：$\omega C_i=\frac{\sqrt{|C_i|}}{{\sum }_j\sqrt{|C_j|}}$，该值表示可信度与成员相关联。

3. User’s network
只考虑发布相关新闻文章n推文的用户的粉丝。网络构建的算法：

$U_p$表示发表有关新闻n推文的用户的向量，$U_r$表示回复推文的用户的向量。算法复杂度为$O(x^2)$。

4. SSLNews

$x_i$是输入，是之前三个网络（1、2、3）输出结果的连接。标签$y_i$仅存在于标记的输入中，仅仅对于这些输入计算交叉熵损失$l_i$。$x_i$的预测标签是$y_i^{{}^{\prime }}$。$l_i$和$l_i^{{}^{\prime }}$的优化权重为$w(t)$。

共享CNN的前三个卷积层包含128（3×3）个滤波器，其他三个层包含256（3×3）个滤波器。无监督和有监督CNN的层都使用512（3×3）个滤波器、256（3×3）个滤波器和128（3×3）个滤波器。一个（2×2）最大池化用于所有池化层。
$Loss=-\frac{1}{|B|}{\sum }_{i\in B\cap S}log{f}_{softmax}(z_i)[y_i]+w(t)\ast \frac{1}{C|B|}{\sum }_{i\in B}{||z_i-z_i^{{}^{\prime }}||}_2$
B表示学习过程中的微批量处理，S表示标记的输入集。

四、数据集

现实公开数据集：Politifact和Gossipcop