关键词:
虚假新闻检测
异质图
子图
图注意力网络
自监督对比学习
摘要:
由于虚假新闻检测任务的现有工作往往忽略了新闻文本的语义稀疏性及丰富信息之间的潜在联系,限制了模型对虚假新闻的理解和识别能力,本文提出了一种基于异质子图注意力网络的虚假新闻检测方法.针对新闻样本的文本、所属党派、主题等多种信息,构建了异质图,以建模虚假新闻的丰富特征.在特征层采用异质图注意力网络捕获不同类型信息之间的关系,在样本层引入子图注意力网络挖掘新闻样本间的交互.同时基于自监督对比学习的互信息机制关注全局图结构中的判别性子图表征,以捕获新闻样本的特异性.实验结果表明,本文提出的方法在Liar数据集上相比现有方法在准确率与F1值分别取得了约9%和12%的提升,显著提升了虚假新闻检测的性能.