基于多层次不真实性传播结构的社交媒体谣言检测.pdf

第3 8卷 第2期2 0 2 4年2月中文信息学报J OUR NA LO FCH I N E S EI N F O RMAT I ONP R O C E S S I NGV o l.3 8,N o.2F e b.,2 0 2 4文章编号:1 0 0 3-0 0 7 7(2 0 2 4)0 2-0 1 4 2-1 3基于多层次不真实性传播结构的社交媒体谣言检测高 准1,但志平1,2,董方敏1,2,张岩珂1,张洪志1(1.三峡大学 计算机与信息学院,湖北 宜昌4 4 3 0 0 2;2.三峡大学 水电工程智能视觉监测湖北省重点实验室,湖北 宜昌4 4 3 0 0 2)摘 要:当前谣言检测工作主要研究谣言传播的方向特性,而忽视了谣言传播的全局结构特性,导致不能充分挖掘谣言潜在的结构特征;此外,现有研究忽略了谣言原始传播结构中存在的不真实关系,从而限制了传播节点特征的学习。为此,该 文 提 出 一 种 多 层 次 的 动 态 传 播 注 意 力 网 络 模 型(M u l t i-l e v e lD y n a m i cP r o p a g a t i o n A t t e n t i o nN e t w o r k s,MD P AN)用于检测谣言。该模型通过节点级注意力学习谣言传播图中所有连接边的贡献度,动态地关注对识别谣言有用的传播关系,并基于图卷积网络分别提取谣言不同层次的传播特征、扩散特征以及全局结构特征,最后引入基于注意力机制的池化方法对这些多层次的特征进行有效融合。在公开的T w i t t e r 1 5、T w i t t e r 1 6和W e i b o 1 6数据集上的实验结果表明,该文所提出的模型对比主流基于传播结构的E B G C N模型,整体准确率分别提高了2.1%、0.7%和1.7%。关键词:谣言检测;传播结构;节点级注意力;图卷积网络中图分类号:T P 3 9 1 文献标识码:AR u m o rD e t e c t i o nf r o mS o c i a lM e d i av i aM u l t i-L e v e lU n r e l i a b l eP r o p a g a t i o nS t r u c t u r e sG AOZ h u n1,D ANZ h i p i n g1,2,D ON GF a n g m i n1,2,Z HAN GY a n k e1,Z HAN G H o n g z h i1(1.C o l l e g eo fC o m p u t e ra n dI n f o r m a t i o nT e c h n o l o g y,C h i n aT h r e eG o r g e sU n i v e r s i t y,Y i c h a n g,H u b e i 4 4 3 0 0 2,C h i n a;2.H u b e iK e yL a b o r a t o r yo f I n t e l l i g e n tV i s i o nB a s e dM o n i t o r i n gf o rH y d r o e l e c t r i cE n g i n e e r i n g,C h i n aT h r e eG o r g e sU n i v e r s i t y,Y i c h a n g,H u b e i 4 4 3 0 0 2,C h i n a)A b s t r a c t:C u r r e n t r u m o rd e t e c t i o nr e s e a r c hf o c u s e so ns t u d y i n gt h ed i r e c t i o n a l c h a r a c t e r i s t i c so f r u m o rp r o p a g a t i o n.T oe x p l o i t t h ep o t e n t i a l s t r u c t u r a l f e a t u r e so f r u m o r s,t h i sp a p e rp r o p o s e sam u l t i-l e v e l d y n a m i cp r o p a g a t i o na t t e n-t i o nn e t w o r k s(MD P AN)t od e t e c t r u m o r s.T h i sm e t h o d l e a r n s t h e c o n t r i b u t i o n s o f a l l c o n n e c t i n ge d g e s i n t h ep r o p-a g a t i o ng r a p h t h r o u g han o d e-l e v e l a t t e n t i o n,d y n a m i c a l l y f o c u s i n go nu s e f u l p r o p a g a t i o n r e l a t i o n s h i p s f o r i d e n t i f y i n gr u m o r s.T h eg r a p hc o n v o l u t i o n a l n e t w o r k se x t r a c t sd i f f e r e n t l e v e l so fp r o p a g a t i o nf e a t u r e s,d i f f u s i o nf e a t u r e s,a n dg l o b a l s t r u c t u r a l f e a t u r e so f r u m o r s,w h i c ha r e f u s e dv i aa t t e n t i o n-b a s e dp o o l i n gm e t h o d s.C o m p a r e dw i t ht h eE B-G C N m o d e l o nT w i t t e r 1 5,T w i t t e r 1 6a n dW e i b o 1 6d a t a s e t s,t h ep r o p o s e dm e t h o d i n c r e a s e s t h eo v e r a l l a c c u r a c yb y2.1%,0.7%a n d1.7%,r e s p e c t i v e l y.K e y w o r d s:r u m o rd e t e c t i o n;p r o p a g a t i o ns t r u c t u r e;n o d e-l e v e l a t t e n t i o n;g r a p hc o n v o l u t i o n a ln e t w o r k s收稿日期:2 0 2 3-0 3-2 8 定稿日期:2 0 2 3-0 5-2 2基金项目:N S F C-新疆联合基金重点项目;网络谣言检测与舆论引导算法研究(U 1 7 0 3 2 6 1)0 引言随着社交媒体日益盛行,新闻消息借助网络平台可以迅速传播到许多网络用户的身边,给人们获取时事消息带来了便利。然而,一些不良团队或个人为吸引大量用户赚取流量,故意散播未经证实的消息甚至是虚假消息,造成大量的谣言在社会面上迅速且广泛地传播,严重破坏了社会的秩序。因此,为尽早避免谣言在社交媒体上传播,研究出一种高2期高准等:基于多层次不真实性传播结构的社交媒体谣言检测效且准确的谣言检测方法具有重要意义。近些年,领域内学者开始深入研究社交网络中谣言的传播行为。事件源贴随着时间的推移在社会面上广泛传播,从而构成一定的社会语境,不同类型的谣言和事实在社会关系上存在明显差异1-3,因此利用谣言在社交网络中形成的传播结构来检测谣言是可行的。M a等人4将谣言完整的传播过程建模成符合自然传播规律的双向树结构,并利用递归神经网络(R e c u r s i v eN e u r a lN e t w o r k s,R NN)联合文本内容语义和传播线索来检测谣言。B i a n等人5使用图卷积神经网络6(G r a p hC o n v o l u t i o n a lN e t-w o r k s,G C N)来建模双向传播图,有效聚合了邻居节点的特征。这些基于谣言传播结构的研究都取得了较为理想的效果,极大地推动了谣言检测的研究进展。但是,社交网络中的帖子节点在响应其父节点的同时也可能被其子节点所响应,诸如M a4和B i a n5等人提出的方法只关注了谣言的传播方向,会导致丢失完整的结构信息,从而使模型不足以学习到相关节点的深层次信息。另外,目前的研究方法普遍在理想化的情况下对谣言的传播过程进行建模4-5,7-8,认为社交网络中正常用户和异常用户发布的源贴及其所有响应贴都是完全可信赖的。然而由于社交网络具有极强的可干预性,在许多情况下,对源贴进行响应的用户往往是被恶意操控的,如图1所示,异常用户u 1发布虚假源贴e 1,并操纵正常用户u 2对其进行支持性的回复r 1,甚至会有意删除正常用户u 3的真实性回复r 2,这些不真实关系也会存在于事件的多级响应中,如异常用户u 5被利用对真实评论r 3进行虚假回复r 4。除此之外,社交网络中还存在大量与源贴内容无关的响应贴,这些不确定性因素混杂在谣言的传播中,致使谣言的传播结构存在不真实或不可靠的情况,给谣言检测带来了巨大障碍。为了解决上述问题,本文提出了一种多层次动态传播注意力网络模型(M u l t i-l e v e lD y n a m i cP r o p-a g a t i o nA t t e n t i o nN e t w o r k s,MD P AN)用于谣言检测。首先,在建模事件传播和扩散结构的同时,引入可建模全局传播结构的无向(U n-D i r e c t i o n a l,UD)传播图,以兼顾传播的方向和全局等多层次的结构特征,使得在特征学习阶段能获得丰富的节点信息;在此基础上,针对被恶意操纵的评论和转发以及频繁的无效评论和转发给识别谣言带来的负面影响,引入节点级注意力机制来处理这些不真实的因素,图1 事件传播的非真实关系场景通过度量事件中关联帖子之间关系的权重来识别关系的真实性,从而有效地降低事件原始传播结构存在的不稳定性因素给检测结果带来的影响。最后,在特征的融合阶段,使用注意力机制来捕捉不同层次的传播特征和文本内容特征之间的交互,以进一步提高模型的性能。在T w i t t e r 1 5、T w i t t e r 1 6以及W e i b o 1 6三个数据集上的对比实验结果表明,本文提出的模型能有效提高谣言检测的性能。本文的主要贡献总结如下:(1)为社交媒体事件构造新的全局无向传播图,并结合事件传播的方向特征,采用G C N从多个层次的传播行为中提取出事件的潜在传播特征。(2)摒弃了传统采用硬连接的方式来处理关联节点之间的联系程度,提出了一种新颖的节点级注意力机制,给事件中的每个关系动态地分配适当的权重,有效地识别节点之间关系的真实性。(3)为更有效融合不同传播层次的特征信息,提出了一种基于注意力机制的多特征池化方法,有效解决不同层次特征信息之间难以交互的问题。1 相关工作从自动检测谣言技术诞生开始,相关学者开展大量的工作,已经取得许多突破性的成果。目前的谣言检测研究根据不同的特征类型可大致分为基于内容的方法和基于传播模式的方法。1.1 基于内容的谣言检测方法在早期的谣言检测方法中,主要是利用手工提341中 文 信 息 学 报2 0 2 4年取与设计的特征,结合机器学习方法对谣言进行分类9-1 0,它们依赖的特征主要是用户自身的属性(如是否为官方认证号、用户粉丝数量、用户信用度以及用户历史发帖数量等)、发布的文本内容特征以及文本的情感特征等。这类学习方法通常只能挖掘到谣言浅层的特征,而且检测效果过于依赖特征的选取。深度学习技术出现后,研究者们开始关注网络模型结构的设计,神经网络能够自动挖掘到相关特征的更多细节,可以避免人工手动提取的烦琐过程。M a1 1等人研究发现谣言源贴和评论中都包含大量有价值的语义信息,提出基于循环神经网络(R e c u r-r e n tN e u r a lN e t w o r k s,R NN)的谣言分类模型来捕捉新闻事件和评论中的上下文信息。由于谣言评论和谣言源贴是相互关联的,二者可相互补充作为检测谣言的重要线索,S h u等人1 2利用协同注意力机制对谣言句子和用户评论之间的关系联合捕捉,并为谣言检测研究提供了合理的解释。同时,还有研究者利用社交媒体事件中蕴藏的情感信号以辅助检测谣言,诸如Z h a n g等人1 3利用情感词典获取谣言的源贴和评论双重情感特征以及双重情感的差距,葛晓义等人1 4分别从全局和局部的角度挖掘谣言文本语义特征和评论情感特征之间的相关性。1.2 基于传播模式的谣言检测方法社交媒体事件具有高度动态性和复杂性,传播行为作为社交媒体事件固有的特性,有效挖掘传播特征能给谣言检测带来巨大提升。为有效利用谣言的传播线索,一类方法将谣言的传播过程建模成双向的传播树或传播图结构。如M a等人4对事件的非线性传播结构建模,并使用基于自顶向下和自底向上树状结构的递归神经网络R v NN来检测谣言,这一方法首次将事件的文本内容语义特征和其传播特征结合起来;随后又提出了基于树形T r a n s f o r m e r的谣言检测模型1 5,结合关联语境中的立场信息来增强父节点的表示。由于图卷积网 络技术6在处理 图结构数 据上的突 出 表现1 6-1 8,B i a n等人5提出了一种双向的图卷积网络模型(B i-D i r e c t i o n a lG r a p hC o n v o l u t i o n a lN e t w o r k s,B i G C N)检测谣言,该方法首次将谣言的传播建模成自顶向下的传播图和自底向上的扩散图。一些研究在双向传播图的基础上引入辅助特征来增强谣言检测的效果,如用户影响力因素1 9、时间因素2 0。另一类基于传播的方法将谣言的传播过程建模成无向交互图2,2 1-2 2,这类结构可同时从父节点和子节点甚至是兄弟节点中聚合相关的邻域信息,但是这些方法并没有考虑社交媒体事件固有的传播因果特性、固有的扩散结构特性以及频繁的不真实传播特性,这限制了对谣言潜在结构特征的学习。为了消除传播结构中固有的不确定性,W e i等人2 3提出通过观测图的先验信念来控制消息传递,以此来替换传播图中固定的边权重,然而对观测图 的 先 验 信 念 进 行 假 设 可 能 出 现 不 确 定 的偏差。虽然基于谣言传播的研究已经取得了一定进展,但目前的研究无法有效处理传播结构中的不真实关系,也没有同时联合谣言传播的方向和全局传播结构来捕捉潜在的特征。本文在谣言传播方向的基础上,引入全局无向传播图,通过多头的节点级注意力评估潜在的传播关系,进而实现对谣言有效的识别。2 MD P A N模型方法本文提出的谣言检测模型MD P AN的总体架构如图2所示,该模型主要包括五个部分,分别为输入表示层、节点级注意力层、多层次图卷积层、注意力池化层以及谣言分类器。2.1 问题描述本文假设C=c1,c2,cm 为数据集中所有事件的集合,其中,ci表示集合C中的第i个事件,m表示数据集中事件的总数。对于集合C中的任意事件ci,其定义为ci=ri0,ri1,rini-1,Gi,其中,ri0表示事件ci的源贴,rij表示第i个事件ci的第j条响应贴(评论贴或转发贴),ni表示事件ci中的总帖子数,Gi=GT Di,GB Ui,GU Di=Vi,Ei 分别表示事件ci自顶向下的传播图、自底向上的扩散图、全局无向传播图,Vi=ri0,ri1,ri2,rini-1 表示事件ci中所有帖子节点的集合,Ei=eis t|s,t=0,1,ni-1 为事件ci中被评论或被转发帖子节点与其评论或转发帖子节点之间的边的集合。Ai=ais tRRnini表示事件传播图的邻接矩阵,其中,ais t初始值的定义为:当eis tEi时,ais t=1,否则ais t=0。4412期高准等:基于多层次不真实性传播结构的社交媒体谣言检测图2 MD P AN的模型架构 在本文所使用的谣言数据集中,每个事件ci都有唯一的实际类别y*iY与之对应,其中Y代表所有谣言类别的集合。谣言检测任务的目标是根据已有的数据集来训练特定的谣言分类器f(C|ci;Gi;Ai;)Y,其中为分类器模型的所有参数集合。2.2 模型方法描述2.2.1 输入表示层根据给定的输入样本,为每个事件构造出相应的传播图,初始传播特征图的构造类似于B i a n等人5的工作,首先为每个事件ci构建出两个相反方向的有向图,分别是自顶向下的传播图GT Di和自底向上的扩散图GB Ui,为了利用谣言传播过程的全局结构特性,本文还引入了无向传播图GUDi。传播图中的每个节点代表着事件中的源贴或相关的响应贴,传播图中的连接边则表示两个节点之间有直接的评论或转发关系。使用Xi=xi0,xi1,xini-1RRnidi作为事件ciC的源贴以及相关响应贴的文本内容表示,其中,xi0RRdi为源贴的文本向量表示,其初始值提取自T F-I D F值的前50 0 0个词的索引词频对,di为文本特征的维度,得到不同帖子的文本特征向量之后嵌入到对应的节点中,对于自顶向下的传播图、自底向上的扩散图以及全局无向传播图,它们的初始输入特征矩阵均相同,即XT Di=XB Ui=XUDi=Xi。基于事件ci中对源贴xi0的一系列评论和转发关系,构造出事件ci的邻接矩阵AiRRnini,并基于此得到三种不同层次传播结构图的邻接矩阵,分别为AT Di=Ai,AB Ui=ATi以及AU Di=Ai+ATi。2.2.2 节点级注意力层受图注意力机制2 4思想的启发,引入节点级注意力机制来具体学习传播图中每个节点的表示,从而降低不真实的节点关系带来的负面影响。节点级注意力机制的核心是利用自注意力机制来评估当前节点的直接邻居节点和间接邻居节点的重要性,以动态调整两个关联节点之间的权重系数,在原始传播结构的基础上对传播关系的稳定性和真实性进行重新描述。具体来说,对于事件ciC的任意节点rij,其初始特征向量为hij=xijRRdi,它作为节点级注意力层的初始输入,vik为rij的邻居节点,其初始特征向量为hik,其中,vikVik,Vik表示邻居节点的集合,对于任意一个节点对(rij,vik),通过获得其不同邻居节点的权重系数ij k,实现以软连接方式为所有连接边重新动态地分配关注系数,如式(1)所示。ij k=S o f t m a x(aTW hijW hik)(1)其中,W是可学习的参数矩阵,表示将两个特征向量进行拼 接,a为可学习的 注意力 权 重 向 量,()为非线性的激活函数L e a k y R e L U。在得到节点与邻居关系的权重之后,将邻居节点的特征向量hik与权重系数ij k进行聚合,为了使模型能够融合来自不同特征子空间的信息,使用多头自注意力机制来稳定地衡量当前节点rij与其不同邻居节点的关系,设置一个用于表示多头注意力机制头数的超参数T,并进行T次计算,得到节点rij的嵌入表示hij,如式(2)所示。hij=Tt=1(kVikij khij)(2)传播图、扩散图以及全局无向图中的同一个节541中 文 信 息 学 报2 0 2 4年点共享权重系数ij k,且拥有相同的初始节点嵌入hij。处理完事件ci中所有节点与其邻域内其他节点之间的关系后,得到传播图的节点特征矩阵Hi=hi0,hi1,hini-1,它将作为多层次图卷积层的输入,以进一步学习深层的结构特征。2.2.3 多层次图卷积层图卷积网络(G r a p hC o n v o l u t i o n a lN e t w o r k s,G C N)6能够有效处理图数据的结构信息,因为它模拟了消息如何在节点之间进行传递,并能够通过聚合局部邻域内所有节点的特征来更新当前节点特征,它的消息传递结构定义如式(3)所示。Hk=M(A,Hk-1;Wk-1)=(AHk-1Wk-1)(3)其中,A=D-12AD-12是进行归一化后的邻接矩阵,A=A+IN(即 为 每 个 节 点 添 加 自 连 接),Di i=jAi j表示节点的度矩阵,Hk-1为隐藏层特征矩阵,Wk-1为可训练的参数矩阵,()是激活函数。本文分别应用了三个并行的图卷积层(G r a p hC o n v o l u t i o n a lL a y e r s,G C L)来同时处理事件不同层次传播图的空间结构特征。具体地说,每个G C L内包含两层堆叠的G C N块,对于任意事件ciC,为了防止其源贴信息在网络层之间过度流失,本文沿用B i a n等人5提出的源贴特征增强策略,即在第k层G C N处,将每个节点的当前隐藏层特征向量Hi,k与第k-1层G C N中根源节点的隐藏层特征向量(Hi,k-1)r进行拼接,构造出新的隐藏层特征矩阵Hi,k,以提高源贴信息的影响力。具体计算过程如式(4)、式(5)所示。Hmi,k=(AmiHmi,k-1Wmi,k-1)(4)Hmi,k=c o n c a t(Hmi,k,(Hmi,k-1)r)(5)其中,mT D,B U,UD 表示不同层次的传播模式,k=1,2,Hmi,0=Hi=hi0,hi1,hini-1 为图卷积层的初始输入特征矩阵,Hmi,1RRnivi,1和Hmi,2RRnivi,2分别 为 图 卷 积 层 中 的 两 层 隐 藏 层 特 征,Wmi,0RRdvi,1和Wmi,1RRdvi,2是隐藏层的权重矩阵,()为非线性的激活函数R e L U。对于自顶向上的传播图T D、自底向下的扩散图B U以及全局无向传播图UD,均采用上述的节点更新方式进行结构特征提取,分别得到相应的隐藏层节点特征 表示HT Di,1、HT Di,2、HB Ui,1、HB Ui,2和HU Di,1、HUDi,2,具体的节点更新过程如表1所示。表1 MD P A N模型的节点更新算法MD P AN模型的节点更新算法输入:事件ci不同层次的传播图Gi=Vi,Ei,事件初始特征矩阵Xi=xi0,xi1,xini-1,不同层次传播图的邻接矩阵AT Di,AB Ui,AUDi输出:图卷积层的隐藏层特征HT Di,2,HB Ui,2,HUDi,21.F O RmT D,B U,UDD O2.F O RrijViD O3.hijxij4.F O RvikVikD O5.hikxik6.通过式(1)计算邻居节点关系的权重系数7.E N D8.通过式(2)计算得到真实的节点嵌入hij9.Hihi0,hi1,hini-11 0.E N D1 1.通过式(4)、式(5)计算节点的隐藏层特征1 2.E N D2.2.4 注意力池化层利用2.2.3节得到不同层次传播图的节点级特征表示后,为了从中聚合更多细节信息,并且获取更具判别力的输出特征,通常使用固定的池化方法对特征降维和抽取,然而由于池化操作是人工指定,而不是通过模型学习得到,因此,往往很难找到一种适合不同模型本身的特征汇聚方法。为了解决这个问题,本文引入注意力机制来融合均值池化(M e a n-p o o l i n g)、最大 池化(M a x-p o o l i n g)以及 随 机 池 化(S t o c h a s t i c-p o o l i n g)2 5三种不同汇聚操作的结果,以获得更具代表性的特征表示,如图3所示,这种做法综合考虑了不同池化方法的优势,具体如式(6)式(8)所示。图3 注意力池化层结构smi,m e a n=m e a n p o o l i n g(Hmi,2)(6)smi,m a x=m a x p o o l i n g(Hmi,2)(7)smi,s t o=s t o p o o l i n g(Hmi,2)=jRpjaj(8)6412期高准等:基于多层次不真实性传播结构的社交媒体谣言检测 其中,mT D,B U,UD表示不同层次的传播模式,m e a n p o o l i n g为节点级向量的均值池化函数,m a x p o o l i n g为节点级向量的最大值池化函数,s t o p o o l i n g为节点级向量的随机值池化函数,它是一种基于概率加权形式的平均汇聚操作,隐藏层特征映射Hmi,2中的区域记为R,pj=ajkRak为归一化区域R后计算出的每个区域的概率,其中,ajHmi,2。然后将同一种池化函数下得到的不同层次传播模式的表示拼接起来,以从不同特征中聚集关键信息,具体如式(9)所示。si,p=c o n c a t(smi,p)=c o n c a t(sT Di,p,sB Ui,p,sU Di,p)(9)其中,pm e a n,m a x,s t o,在训练网络模型时,充分吸收这三种不同池化方法的优势。均值池化侧重于捕捉全局信息,最大池化更关注局部信息,随机池化则介于平均池化和最大池化之间,由于其具备随机性,能够有效防止训练模型时出现过度拟合的现象。通过引入注意力机制融合以上三种池化方法得到最终的向量表示,具体如式(1 0)式(1 4)所示。qi=si,m e a n,si,m a x,si,s t oWqi(1 0)ki=si,m e a n,si,m a x,si,s t oWki(1 1)vi=si,m e a n,si,m a x,si,s t oWvi(1 2)si,m e a n,si,m a x,si,s t o=S o f t m a xqikTidivi(1 3)si=jpsi,j2si,m e a n2+si,m a x2+si,s t o2si,j(1 4)其中,si,j为自注意力机制之后获得的不同池化层向量,si,j2表示向量si,j的模长,si则为融合不同池化方法后的最终向量表示。2.2.5 谣言分类器在聚合了传播特征、扩散特征以及全局传播特征后,得到了事件ci基于社会背景下的结构特征表示si,考虑到源贴的文本内容特征对识别谣言的重要性,将事件ci源贴的文本信息(xi0)T与社会背景的结构信息si进行拼接,得到融合后的最终特征向量mi,进一步增强事件源贴的文本信息对检测谣言的影响,如式(1 5)所示。mi=c o n c a t(si,(xi0)T)(1 5)然后,定义一个全连接层来降低特征向量的维度,再通过S o f t m a x函数来获得事件ci所属不同类别标签的概率向量yi,如式(1 6)所示。yi=S o f t m a x(f c(mi)(1 6)其中,f c(mi)=Wimi+bi,Wi、bi分别表示全连接层中可学习的权重矩阵和偏置项。最后,计算预测值yi和真实值yi之间的交叉熵作为模型的损失值,通过最小化该损失值来优化MD P AN模型的参数。L o s s()=-iyil o g(yi)(1 7)3 实验为验证本文所提出模型的有效性,分别在三个主流公开数据集上进行大量实验,对比了9种基准模型和最新的谣言检测模型,通过4种评测指标验证了MD P AN模型的有效性,并进行消融实验以探索各个模块对谣言检测的影响。3.1 实验数据本文 所 使 用 的 实 验 数 据 集W e i b o 1 61 1、T w i t-t e r 1 52、T w i t t e r 1 62分别收集自中国和美国最大的社交媒体平台新浪微博和T w i t t e r。其中,W e i b o 1 6数据集总共包含44 6 4个事件,每个事件唯一对应于的虚假谣言(F a l s eR u m o r,F R)和非谣言(N o n-R u m o r,N R)二分类标签,而T w i t t e r 1 5、T w i t t e r 1 6数据集则分别包含14 9 0、8 1 8个事件,每个事件对应于唯一非谣言(N o n-R u m o r,N R)、虚假谣言(F a l s eR u-m o r,F R)、真实谣言(T r u eR u m o r,T R)和未经证实的谣言(U n v e r i f i e dR u m o r,UR)四分类标签,三个数据集的信息如表2所示。表2 实验数据集的数据详情数据集T w i t t e r 1 5T w i t t e r 1 6W e i b o 1 6总事件数14 9 08 1 844 6 4总用户数2 7 66 6 31 7 34 8 727 4 68 1 8总帖子数3 3 16 1 22 0 48 2 038 0 56 5 6非谣言3 7 42 0 523 5 1虚假谣言3 7 02 0 523 1 3真实谣言3 7 22 0 50未经证实的谣言3 7 42 0 303.2 实验设置与评估指标为尽可能保证评估结果的公正性,本文将在上741中 文 信 息 学 报2 0 2 4年述三个数据集上分别进行1 0轮迭代训练,每轮迭代分别使用5折交叉验证对模型进行充分训练和评估,每折交叉验证时,对数据集按41的比例重新划分训练集和测试集。在实验中,节点级注意力层的头数设置T为设为4,多层次图卷积层中G C N的块数K设为2,初始特征向量维度设为50 0 0,隐藏层特征 向 量 维 度 设 置 为6 4,初 始 学 习 率 设 为0.0 0 05,并在学习过程中逐步衰减。在训练过程中,通过随机梯度下降算法对模型参数进行更新,并使用A d a m算法进行优化。每折交叉验证最大训练2 0 0个E p o c h,T w i t t e r 1 5、T w i t t e r 1 6和W e i b o 1 6数据集上的B a t c hS i z e分别设置为2 5 6、1 2 8和3 2。本文采用多种指标来综合评测MD P A N模型方法的性能,其中,T w i t t e r 1 5、T w i t t e r 1 6数据集上使用整体的准确率(A c c u r a c y,A c c)和每个类别的F1值作为评估指标,W e i b o 1 6数据集上使用整体的准确率(A c c u r a c y,A c c)、每个类别的精确率(P r e c i s i o n,P)、召回率(R e c a l l,R)以及F1值作为评估指标。这些衡量指标的具体含义和计算如式(1 8)式(2 1)所示。准确率:所有测试样本中分类正确的比例。A c c=T P+F NT P+T N+F P+F N(1 8)精 确 率:预 测 结 果 为 类 别c中 预 测 正 确 的比例。P=T PT P+F P(1 9)召回率:实际标签结果为类别c中预测正确的比例。R=T PT P+F N(2 0)F1值:精确率和召回率的调和平均值。F1=2PRP+R(2 1)其中,T P、T N、F P、F N表示的含义如表3的混淆矩阵所示。表3 混淆矩阵数据集实际结果为类别c实际结果为非类别c预测结果为类别cT PF P预测结果为非类别cF NTN3.3 对比方法本文在相同的数据集下将MD P AN模型与现有先 进 的 基 准 模 型 进 行 比 较,以 证 明 本 文 方 法MD P AN的优越性。(1)D T C9:基于手工提取特征获取信息的可信度,使用决策树分类器算法来识别谣言。(2)S VM-T S1 0:利用线性的支持向量机分类器对事件社会背景的时间序列特征进行建模,以用于检测谣言。(3)R v N N4:基于自顶向下和自底向上双向传播树的递归神经网络模型,利用事件树状的传播结构检测谣言。(4)P P C2 6:一种基于事件传播路径的方法,利用R NN和C NN相结合的方式来学习路径上的用户特征,从而对事件进行分类。(5)B i G C N5:基于双向图卷积网络提取自顶向下的传播结构和自底向上的扩散结构用于谣言检测。(6)V A E-G C N2:使用基于图卷积网络的自动编码器及其变体来学习传播结构中的潜在信息。(7)E B G C N2 3:利用边增强贝叶斯图卷积网络来处理传播结构中的不确定性,捕捉稳健的结构特征用于谣言检测。(8)G S MR B2 7:一种基于图的关键语义挖掘的谣言检测框架,将语义信息建模为图结构,利用门控图神经网络对谣言的配对文本信息进行建模。(9)D D G C N2 8:基于双动态图卷积网络的谣言检测方法,对消息在传播过程中的动态以及来自知识图的背景知识的动态进行建模。由于G S MR B方法和D D G C N方法没有公开实现代码,本文使用了其原文中公开的实验结果,其中,G S MR B方法仅对比在T w i t t e r 1 5和T w i t t e r 1 6数据集上的结果,D D G C N方法仅对比了在W e i b o 1 6数据集上的结果。3.4 实验结果与分析表4、表5分别展示了各种对比方法在W e i b o 1 6、T w i t t e r 1 5和T w i t t e r 1 6数据集的谣言检测结果。对比实验的结果表明,首先,依赖于手工特征的机器学习方法,如决策树分类器D T C以及基于时间序列的支持向量机分类器S VM-T S的检测效果明显弱于其他深度学习检测方法,原因在于深度学习方法依靠神经网络可以有效学习到谣言深层的特征表示,更容易捕捉细节信息。其次,在有关谣言传播模式的研究中,基于树状的递归神经网络方法R v NN以及基于循环网络和卷积网络相结合的传播路径分类方法P P C,它们的检测性能落后于基于图卷积网8412期高准等:基于多层次不真实性传播结构的社交媒体谣言检测络的谣言检测方法,这是由于图卷积网络技术更适合于处理社交网络事件的传播属性。最后,与几种较新的基于图卷积网络的谣言检测方法相比,本文提出的谣言检测模型MD P AN也展现出了更加优越的性能。具体地说,在W e i b o 1 6数据集上达到了9 5.8%的整体准确率,比现有的方法D D G C N高出了1%,在T w i t t e r 1 5、T w i t t e r 1 6数据集上分别达到了8 9.7%、9 1.7%的整体准确率,在先进的谣言检测方法G S MR B的基础上分别提升了0.6%、1.6%。另外,其 他的评估指 标也略有提 升,综合证实 了MD P AN谣言检测方法的有效性。表4 W e i b o 1 6数据集上的实验结果(单位:%)方法类别A c cPRF1D T CN RF R8 3.18 1.58 2.48 1.98 4.78 1.58 3.1S VM-T SN RF R8 5.78 7.88 3.08 5.78 3.98 8.58 6.1续表方法类别A c cPRF1R v NNN RF R9 0.89 0.49 1.89 1.19 1.28 9.79 0.5P P CN RF R9 2.19 4.98 8.99 1.88 9.69 6.29 2.3B i G C NN RF R9 4.09 2.59 4.39 3.39 5.19 4.39 4.7VA E-G C NN RF R9 4.49 1.79 6.49 3.69 6.89 2.19 4.0E B G C NN RF R9 4.19 2.29 4.59 3.29 4.69 4.09 4.3D D G C NN RF R9 4.89 5.39 4.89 5.09 5.39 4.89 5.0MD P ANN RF R9 5.89 5.59 5.49 5.49 6.89 3.39 5.0表5 T w i t t e r 1 5和T w i t t e r 1 6数据集上的实验结果(单位:%)方法T