计算机应用研究

作者：郭秋实,李晨曦,刘金硕,

单位：武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室,武汉430072；

关键词：知识表示,图卷积网络,谣言检测,知识图谱,

基金：国家自然科学基金资助项目(U193607)；国家重点研发计划资助项目(2020FYA0607902)；；

在谣言检测的问题上，现有的研究方法无法有效地表达谣言在社交网络传播的异构图结构特征，并且没有引入外部知识作为内容核实的手段。因此，提出了引入知识表示的图卷积网络谣言检测方法，其中知识图谱作为额外先验知识来帮助核实内容真实性。采用预训练好的词嵌入模型和知识图谱嵌入模型获取文本表示后，融合图卷积网络的同时，能够在谣言传播的拓扑图中更好地进行特征提取以提升谣言检测的精确率。实验结果表明，该模型能够更好地对社交网络中的谣言进行检测。与基准模型的对比中，在Weibo数据集上的精确率达到96.1%，在Twitter15和Twitter16数据集上的F1值分别提升了3.1%和3.3%。消融实验也表明了该方法对谣言检测皆有明显提升效果，同时验证了模型的有效性和先进性。

来源：2022年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第7期