融合信息对抗及混合特征表示的社交网络谣言检测方法

研究目的]针对现实社交网络中广泛存在的不实评论对谣言检测的负面影响问题，提出对抗学习框架下的谣言检测方法，从而在提升谣言检测准确率的同时，增强模型对噪声信息的容抗性。研究方法]以信息对抗机制为基础，搭建具有融合结构及时序特征表示的生成网络，利用部分网络结构的共享及加强具有自注意力机制的二次鉴别网络，实现将非监督的对抗生成网络向有监督学习任务上的成功拓展。研究结论]在PHEMEv5和新浪微博两个数据集上，该研究提出的模型在谣言检测的准确率上，相较于9种较为先进的基准模型至少提升了3.1%和4.1%;同时，实验显示，该研究提出的模型对于噪声信息并不敏感。充分证明了该模型在跨平台不同语言环境数据集上较高的谣言检测效果及较强的噪声容抗性。