基于图神经网络的社交媒体虚假信息检测研究

作     者：叶娜 

作者单位：浙江传媒学院 

学位级别：硕士

导师姓名：俞定国

授予年度：2024年

学科分类：050302[文学-传播学] 05[文学] 0503[文学-新闻传播学] 

主      题：虚假信息 图神经网络 检测 社交媒体 

摘      要：社交媒体虚假信息的快速传播已成为当今数字社会的一大挑战,这一现象引发了学术界的深入研讨、产业界的积极应对以及政府机构的密切关注。有效识别并防范虚假信息的传播,已成为当前亟待解决的重要课题。传统的社交媒体虚假信息检测方法通常需要考虑信息本身的内容、信息的传播路径、社交网络结构及用户行为模式等。其中,基于文本内容的检测方法大都有不同程度的信息丢失。此外,多数的检测方法忽略了信息内容和传播结构的融合交互特征。针对以上两个问题,本文进行了两项工作:(一)提出了一个轻量级的虚假信息检测框架(TAI),其中包括了一种新的文本特征提取方法,能够无损失的获取虚假信息文本特征,在不依赖其他传播、交互特征的情况下实现早期的虚假信息识别。(二)在结合文本内容和传播结构的虚假信息检测上,提出了一种基于深度残差图卷积的神经网络(GCRes)。通过构造结合文本内容和传播结构的异构图来进行信息表征,在此基础上,利用深度残差图卷积神经网络来进行识别检测。本文分别在不同的数据集上对所提出的方法进行了验证,实验结果表明,所提方法相比传统虚假信息检测方法具有更高的检测准确率。最后,文章分别基于用户节点、传播路径、信息环境三个方面提出了社交媒体虚假信息传播抑制策略。