| 基于图自监督对比学习的社交媒体谣言检测 |
| |
| 引用本文： | 乔禹涵,贾彩燕.基于图自监督对比学习的社交媒体谣言检测[J].南京大学学报(自然科学版),2023(5):823-832. |
| |
| 作者姓名： | 乔禹涵 贾彩燕 |
| |
| 作者单位： | 1. 北京交通大学计算机与信息技术学院;2. 交通数据分析与挖掘北京市重点实验室,北京交通大学 |
| |
| 基金项目： | 中央高校基本科研业务费（2019JBZ110）； |
| |
| 摘 要： | 网络社交媒体的快速发展提供了便捷的信息获取方式，但也滋生了谣言和虚假新闻，现有的谣言检测模型在有标注数据充足时能有效解决分类问题，然而谣言可用的标注数据有限，各种针对谣言特点精心设计的模型倾向于过拟合，同时，现有模型的鲁棒性不足，谣言传播者恶意破坏谣言传播结构会使模型出现分类错误.针对以上问题，采用自监督的图对比学习方法，对原始谣言传播图进行不同方式的数据增强来模拟对原图的扰动，建立自监督对比学习任务，使图编码器捕获谣言更趋本质的特征，缓解了过拟合，提高了模型的鲁棒性与泛化性能.在来源于主流社交媒体平台的三个公开数据集Twitter15,Twitter16和PHEME上进行了对比实验，实验结果显示，提出的模型的准确率比基准模型分别提高3.4%,1.8%和1.2%，证实了图自监督对比学习方法在谣言检测任务上的有效性.
|
| 关 键 词： | 谣言检测 自监督学习 对比学习 图表示学习 |
|
|
