融合动态传播和神经霍克斯过程的网络谣言检测模型

作     者：彭竞杰 夏天 顾益军 张岚泽 

作者机构：中国人民公安大学信息网络安全学院 中国人民大学数据工程与知识工程教育部重点实验室 中国人民大学信息资源管理学院 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2024年

核心收录：

学科分类：050302[文学-传播学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 05[文学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0503[文学-新闻传播学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家社会科学基金项目(项目编号:22BTQ068)的研究成果之一 

主　　题：谣言检测 动态图神经网络 传播 自激励现象 神经霍克斯过程 

摘      要：[目的]提高社交媒体网络谣言检测准确率，减少网络谣言对于社会稳定的潜在威胁。[方法]提出一种融合动态传播和神经霍克斯过程的谣言检测模型。按照推文传播时间线划分传播子图并构建子图嵌入，将嵌入序列输入全局动态演化编码模块，叠加时间编码后形成加权序列，进而输入神经霍克斯过程模块计算连续条件强度函数，以描述传播自激励现象，同时经平均池化后输入前馈神经网络进行谣言检测。此外，采用多任务学习模块计算两类输出的整体损失，指导模型训练。[结果]模型在公开数据集Twitter15和Twitter16上的准确率分别达到了85.6%和86.6%，优于其他主流基线模型，并具有较好的谣言早期检测性能。[局限]仅使用文本数据和时间属性信息，后续可加入推文图片、用户属性等特征，进一步提升模型的准确率。[结论]编码推文传播的动态性信息和自激励现象有利于提升谣言检测效果。