融合背景知识的异构图虚假新闻检测方法研究

摘要

如今虚假新闻检测任务越来越受人们重视。本文考虑到不同的新闻具有涉及领域众多、隐含背景信息丰富的特点，提出利用新闻中的实体链接到领域广、信息全的维基百科，挖掘新闻潜在的背景信息与结构化三元组信息组成异构图，丰富新闻的表示。为了学习并更新建模后新闻异构图的特征向量，在图卷积网络的基础上，提出了一个基于语义距离的图卷积网络注意力模型DGAT (Distance Graph Attention Network, DGAT)。具体的，通过赋予异构图中不同类型节点不同的变化矩阵，将不同类型的节点映射到相同的公共空间中，解决了GCN模型不能直接应用在异构图上的局限。针对本文建模的新闻异构图特点，引入了基于新闻语义距离的注意力机制，以捕获融合了外部知识后，新闻与背景知识的语义一致性，最终输入分类器中进行虚假新闻检测。在公开数据集上进行的实验表明了本文方法的有效性.