基于自监督异质子图注意力网络的虚假新闻检测.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

2025,34(2):237−245

[doi:

10.15888/ki.csa.009766]

[CSTR:

32024.14.csa.009766]

©中国科学院软件研究所版权所有.Tel:

+86-10

基于自监督异质子图注意力网络的虚假新闻检测①

李铭伟,

陈浩鹏,

李风环,

陈宸

(广东工业大学

计算机学院,

广州

510006)

通信作者:

李风环,

E-mail:

fhl

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.

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

引用格式:

李铭伟,陈浩鹏,李风环,陈宸.基于自监督异质子图注意力网络的虚假新闻检测.计算机系统应用,2025,34(2):237–245.

http://www.c-s-a.

/1003-3254/9766.html

FakeNewsDetectionBasedonSelf-supervisedHeterogeneousSubgraphAttentionNetwork

LI

Ming-Wei,

CHEN

Hao-Peng,

LI

Feng-Huan,

CHEN

Chen

(School

of

Computer

Science

and

Technology,

Guangdong

University

of

Technology,

Guangzhou

510006,

China)

Abstract:

Since

existing

work

on

the

task

of

fake

news

detection

frequently

ignores

the

semantic

sparsity

of

news

text

and

the

potential

relationships

between

rich

information,

which

limits

the

model’s

capacity

to

understand

and

recognize

fake

news,

this

study

proposes

a

fake

news

detection

method

based

on

heterogeneous

subgraph

attention

networks.

Heterogeneous

graphs

are

constructed

to

model

the

abundant

features

of

fake

news,

such

as

text,

party

affiliation,

and

topic

of

news

samples.

The

heterogeneous

graph

attention

network

is

constructed

at

the

feature

layer

to

capture

the

correlations

between

different

types

of

information,

and

a

subgraph

attention

network

is

constructed

at

the

sample

layer

to

mine

the

interactions

between

n