这篇文章解决的问题

作者认为，之前的工作都将源推文独立的建模，而没有考虑不同节点之间的影响，所以没有很好的表示出不同节点之间的关系

作者如何解决这个问题的

作者提出了一个全局-局部的注意力网络（GLAN来检测谣言），编码局部的语义信息和全局的结构信息，模型如下图所示：

作者先用多头自注意力机制，利用推文和转发推文来编码局部语义信息，再将得到的语义信息和用户信息构建出一个异构图，借助注意力机制得到全局编码表示。
1）Local Context Representation
这部分就是编码原推文和转发推文之间的关系，图中红色圈圈的部分，最后的结果是m~

①首先，作者使用注意力机制定义转发推文的特征表示，公式如下：

②然后利用交叉注意力计算原推文和转发之间的联系：用原推文m作为K，去计算得到每一个转发推文R的注意力分数s，然后利用该分数聚合转发推文形成新的文本的表示r，公式如下：

③然后原推文就有了两个表示，m和s，为了知道哪个特征表示更重要，作者使用了一个融合门：

2）Global Relation Encoding
全局信息其实就是编码m~和u之间的关系，m~是上面通过局部编码得到的推文的特征表示，u就是用户，这两种节点形成了一个异构图，模型图的右下部分就是

①首先是表示两种节点

其中m0和u0是通过梯度动态变化的，m~和uf是固定的值

②然后将两个节点转化到相同语义空间

Wm和Wu是可学习参数

③计算注意力机制
图中一共两种关系：以用户为中心的关系和以推文为中心的关系，为了将两种关系信息编码到全局信息中，采用如下注意力机制：

④采用多头注意力以捕获不同关系的更多特征表示

详细算法步骤如下：
输入图，得到节点的潜在特征表示

3）Rumor Classification
利用得到的局部和全局特征来分类

然后利用交叉熵损失优化

这个问题的解决有什么亮点，局限

这是第一个采用异构网络建模全局结构特征和局部语义信息的模型，将各个推文整合到一起，相互作用，而不是单独建模。
作者没有考虑每一个用户的特征，即节点自身的表示对谣言的影响，只对推文和转发推文文本建模，而忽略了对推文图像特征的特征表示。

谣言检测论文精度——14.2019-Jointly embedding the local and global relations of heterogeneous graph相关推荐

谣言检测论文精读——3.WWW2018-Detect Rumor and Stance Jointly by Neural Multi-task Learning
1.Abstract 谣言帖子经常在参与用户中引发多变的.主要是有争议的立场. 因此,确定相关帖子的立场可能与成功检测谣言有关.我们提出了一个联合框架,统一了两个高度相关的任务,即谣言检测和立场分类. ...
Ma Jing博士的谣言检测论文总结
第一篇<Detect Rumors Using Time Series of Social Context Information on Microblogging Websites> 由 ...
谣言检测论文分享（一）
Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks 摘要重点:由于用于谣言检测的深度学习方 ...
谣言检测论文分享（三）
论文分享之 Rumor Detection on Twitter with Tree-structured Recursive Neural Networks Jing Ma , Wei Gao , ...
谣言检测论文精读——11.PAKDD2020-SAFE: Similarity-Aware Multi-Modal Fake News Detection
Abstract 作者指出现在的谣言检测文章很少考虑视觉和文本之间的关系(相似性),但是这种相关性是很重要的,比如说一个假新闻文章为了吸引读者的注意力,用了一张和文本毫不相干图片.所以作者提出了一个相 ...
【论文阅读】MFAN: Multi-modal Feature-enhanced Attention Networks for Rumor Detection --- 多模态，谣言检测，注意力机制
本博客系博主根据个人理解所写,非逐字逐句翻译,预知详情,请参阅论文原文. 论文标题:MFAN: Multi-modal Feature-enhanced Attention Networks for ...
今日 Paper | 社交媒体谣言检测；连续手语识别；细粒度服装相似性学习；混合图神经网络等
2020-02-18 15:43 目录基于双向图卷积神经网络的社交媒体上谣言检测用于连续手语识别的时空多线索网络基于属性特定嵌入网络的细粒度服装相似性学习混合图神经网络在人群计数中的应用 ...
DELG：Unifying Deep Local and Global Features for Image Search论文代码复现
前言之前在研究图像检索的过程中,在网上看了一些资料,发现许多方法的检索结果并不是非常适合我的数据集,于是在翻看论文的时候看到了*<Large-Scale Image Retrieval wit ...
论文阅读-社交媒体上的谣言检测：数据集、方法和机会
论文链接:https://aclanthology.org/D19-5008.pdf 目录摘要引言 1.1谣言检测 1.2 问题陈述 1.3 用户立场 2 数据集和评估指标 2.1 数据集 2.2 ...

谣言检测论文精度——14.2019-Jointly embedding the local and global relations of heterogeneous graph

这篇文章解决的问题

作者如何解决这个问题的

这个问题的解决有什么亮点，局限

谣言检测论文精度——14.2019-Jointly embedding the local and global relations of heterogeneous graph相关推荐

最新文章

热门文章