Professional Documents
Culture Documents
2022 (Twitter) Rumor Detection Based On Time Graph Attention Network
2022 (Twitter) Rumor Detection Based On Time Graph Attention Network
2022 (Twitter) Rumor Detection Based On Time Graph Attention Network
میشود .در سالهای اخیر ،روشهای مبتنی بر مدل شبکه عصبی گراف عملکرد بهتری نسبت به
روشهای سنتی در تشخیص شایعات داشتهاند .با این حال ،در زندگی واقعی ،ساختار گسترش شایعه
فرآیندی است که در طول زمان تغییر میکند .قبالً ،بیشتر محققان تنها ساختار گسترش نهایی را در نظر
میگرفتند و فرآیند تکامل پویای ساختار گسترش را مد نظر قرار نمیدادند .برای حل این مشکل ،این مقاله
یک روش تشخیص شایعات بر اساس شبکه توجه گراف زمانی پیشنهاد میدهد .ابتدا ،شبکه عصبی توجه
گراف برای یکجاگردانی ساختار گسترش و ویژگیهای متنی شایعات استفاده میشود ،سپس وضعیت
تاریخی ساختار گسترش با استفاده از مکانیزم توجه زمانی ثبت میشود .سپس ویژگیهای ساختار گسترش
با گیت واحد تکرار شونده ( )GRUدر طول زمان ضبط میشوند .در نهایت ،روش پیشنهادی بر روی
مجموعه داده توییتر تأیید میشود .نتایج تجربی نشان میدهد که روش پیشنهادی بهبود قابل توجهی در
تشخیص زودهنگام و دقت شایعات داشته است.
نویسنده یک روش تشخیص شایعات بر اساس شبکه توجه گراف زمانی پیشنهاد میدهد .نسبت به
یادگیری و تلفیق ویژگیهای مختلف برای تشخیص ،این روش قادر است اطالعات زمان و سایر اطالعات
را بهتر حفظ کند .این روش ساختار گسترش و ویژگیهای متنی را از طریق یک شبکه عصبی توجه
گراف استخراج میکند ،ساختار گسترش تاریخی را با استفاده از مکانیزم توجه زمانی ثبت میکند و سپس
ویژگیهای ساختار گسترش تغییرات زمانی را از طریق واحد تکرار شونده با گیت ( )GRUضبط میکند.
در نهایت ،روش پیشنهادی بر روی مجموعه داده توییتر تأیید میشود .نتایج تجربی نشان میدهد که روش
پیشنهادی بهبود قابل توجهی در تشخیص زودهنگام و دقت شایعات داشته است .در کارهای بعدی ،ما به
عوامل خارجی مؤثر بر تشخیص شایعات بیشتر توجه خواهیم کرد .در عین حال ،استفاده از شبکه عصبی
گراف در تشخیص شایعات نیز جهتی مورد امید است.