-
题名基于多层次不真实性传播结构的社交媒体谣言检测
- 1
-
-
作者
高准
但志平
董方敏
张岩珂
张洪志
-
机构
三峡大学计算机与信息学院
三峡大学水电工程智能视觉监测湖北省重点实验室
-
出处
《中文信息学报》
CSCD
北大核心
2024年第2期142-154,共13页
-
基金
NSFC-新疆联合基金重点项目
网络谣言检测与舆论引导算法研究(U1703261)。
-
文摘
当前谣言检测工作主要研究谣言传播的方向特性,而忽视了谣言传播的全局结构特性,导致不能充分挖掘谣言潜在的结构特征;此外,现有研究忽略了谣言原始传播结构中存在的不真实关系,从而限制了传播节点特征的学习。为此,该文提出一种多层次的动态传播注意力网络模型(Multi-level Dynamic Propagation Attention Networks,MDPAN)用于检测谣言。该模型通过节点级注意力学习谣言传播图中所有连接边的贡献度,动态地关注对识别谣言有用的传播关系,并基于图卷积网络分别提取谣言不同层次的传播特征、扩散特征以及全局结构特征,最后引入基于注意力机制的池化方法对这些多层次的特征进行有效融合。在公开的Twitter15、Twitter16和Weibo16数据集上的实验结果表明,该文所提出的模型对比主流基于传播结构的EBGCN模型,整体准确率分别提高了2.1%、0.7%和1.7%。
-
关键词
谣言检测
传播结构
节点级注意力
图卷积网络
-
Keywords
rumor detection
propagation structure
node-level attention
graph convolutional networks
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于注意力网络推理图的细粒度图像分类
被引量：1
- 2
-
-
作者
郑智文
甘健侯
周菊香
欧阳昭相
鹿泽光
-
机构
云南师范大学民族教育信息化教育部重点实验室
云南师范大学云南省智慧教育重点实验室
德宏师范高等专科学校信息学院
中科国鼎数据科学研究院
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2022年第1期36-46,共11页
-
基金
国家自然科学基金(No.62166050)资助
-
文摘
针对场景图像的细粒度分类任务,结合图像视觉和文本的多模态信息提出了一种基于注意力网络推理图的细粒度图像分类方法。首先提取场景图像的全局视觉特征、局部视觉特征和文本特征,把位置信息分别嵌入局部视觉特征和文本特征后拼接成新的特征,再将这个新的特征作为图结构的节点生成一个异构图;然后设计两条元路径将异构图分解成两个同构图,并将其分别放入设计有节点级注意和语义级注意的两级注意力网络推理图;最后将输出的节点特征与全局视觉特征进行多模态融合操作,获得更丰富的细粒度特征表达。所提出的模型实现了多模态融合与图注意力网络的有效结合,且在Con-Text和Drink Bottle两个场景文本细粒度图像数据集上与目前主流先进方法相比具有较强的竞争力。
-
关键词
场景图像
多模态
图注意力网络
节点级注意力
语义级注意力
-
Keywords
scene image
multimodal
graph attention network
node-level attention
semantic-level attention
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名融合双层注意力机制的属性网络节点嵌入
- 3
-
-
作者
杨凡亿
马慧芳
闫彩瑞
宿云
-
机构
西北师范大学计算机科学与工程学院
桂林电子科技大学广西可信软件重点实验室
-
出处
《计算机工程与科学》
CSCD
北大核心
2022年第3期454-462,共9页
-
基金
国家自然科学基金(61762078,61363058,61802404)
甘肃省自然科学基金(21JR7RA114)
+1 种基金
西北师范大学青年教师能力提升计划(NWNU-LKQN2019-2)
广西可信软件重点实验室研究课题(kx202003)。
-
文摘
属性网络嵌入旨在学习网络中节点的低维表示,具有拓扑和属性相似的节点在嵌入空间彼此接近。注意力机制能有效学习网络中节点与其邻居的相对重要性并基于邻居重要性聚合节点表示。据此,提出一种在属性网络中融合双层注意力机制的节点嵌入算法NETA,可以有效地实现属性网络嵌入。该算法首先从拓扑结构捕获直接邻居,基于属性关系捕获间接邻居,并在此过程中考虑节点邻居的相对重要性。具体地,首先捕获节点的直接邻居和间接邻居,然后设计节点级注意力分别聚合直接邻居表示和间接邻居表示,最后设计语义级注意力对2种嵌入表示融合得到最终嵌入。在人工数据集和真实数据集上的大量实验验证了本文算法的有效性。
-
关键词
节点级注意力
语义级注意力
属性网络
节点嵌入
-
Keywords
node-level attention
semantic-level attention
attributed network
node embedding
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
