-
题名基于对比图学习的跨文档虚假信息检测
- 1
-
-
作者
廖劲智
赵和伟
连小童
纪文亮
石海明
赵翔
-
机构
国防大学军事管理学院
国防科技大学系统工程学院
-
出处
《计算机科学》
CSCD
北大核心
2024年第3期14-19,共6页
-
基金
国家重点研发计划(2022YFB3102600)
国家自然科学基金(72301284,62272469)。
-
文摘
当前,网络上充斥着大量虚假信息,严重阻碍了社会各行业的正常运转,如何精准检测虚假信息成为了亟待解决的问题。现有研究主要从账户特征、文本内容和多模态3个角度开展工作,但大多忽视了虚假信息赖以传播的关键特征(即内容新奇性),仅是孤立地分析判别目标信息的真实性,未能把握舆论环境的特征。因此,提出了一种基于对比图学习的跨文档虚假信息检测方法(Contrastive Graph Learning,CAL),聚焦于内容新奇性,主要包含两个关键模块:对比学习模块和异构图模块。前者致力于扩大客观事实与虚假信息在向量空间中的表示差异性;后者包含实体、事件、事件集、句子和文档5种类型实体,尽可能向实体表示中注入舆论环境的语义特征。最后,在IED,TL17和Crisis这3个数据集上,在文档级和事件级这两个层次上开展了相关实验,CAL在所有测试中均取得了最优的结果,验证了所提方法的有效性。
-
关键词
跨文档虚假信息检测
对比学习
异构图
事件级检测
-
Keywords
Cross-document misinformation detection
Contrastive learning
Heterogeneous graph
event-level detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
