主题: Graph Neural Networks with Continual Learning for Fake News Detection from Social Media

摘要: 尽管已经花费大量精力进行事实核查,但假新闻在社交媒体上的普遍使用对司法,公众信任以及我们整个社会都产生了深远影响,仍然是一个严重的问题。在这项工作中,我们专注于基于传播的虚假新闻检测,因为最近的研究表明,虚假新闻和真实新闻在网络上的传播方式不同。具体来说,考虑到图神经网络(GNN)处理非欧氏数据的能力,我们使用GNN区分社交媒体上的假新闻和真实新闻的传播方式。具体来说,我们集中在两个问题上:(1)在不依赖任何文本信息(例如推文内容,回复和用户描述)的情况下,GNN如何准确地识别假新闻?众所周知,机器学习模型容易受到对抗性攻击,而避免依赖于基于文本的功能会使模型不易受到高级假新闻造假者的操纵。 (2)如何处理看不见的新数据?换句话说,在给定的数据集上训练的GNN如何在新的且可能完全不同的数据集上执行?如果性能不能令人满意,我们如何解决该问题而又不从头开始对整个数据重新训练模型,而随着数据量的增长,这在实践中将变得过高地昂贵?我们在具有数千个带有标签新闻的两个数据集上研究了上述问题,我们的结果表明:(1)GNN确实可以实现可比或更高的性能,而无需任何文本信息即可达到最新方法。 (2)在给定的数据集上训练的GNN在新的,看不见的数据上可能表现不佳,并且直接增量训练无法解决问题-在以前的将GNN用于伪造新闻检测的工作中,尚未解决此问题。为了解决该问题,我们提出了一种方法,该方法通过使用持续学习中的技术逐步训练GNN,从而在现有数据集和新数据集上均达到平衡的性能。

成为VIP会员查看完整内容
39

相关内容

图神经网络 (GNN) 是一种连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是,图神经网络保留了一种状态,可以表示来自其邻域的具有任意深度的信息。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
54+阅读 · 2020年6月24日
零样本文本分类,Zero-Shot Learning for Text Classification
专知会员服务
94+阅读 · 2020年5月31日
【WWW2020-UIUC】为新闻故事生成具有代表性的标题
专知会员服务
26+阅读 · 2020年3月18日
KDD 2019论文解读:异构信息网络上的对抗生成学习
云栖社区
22+阅读 · 2019年8月21日
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
热点! 虚假新闻检测综述
专知
111+阅读 · 2019年2月26日
一文看懂虚假新闻检测(附数据集 & 论文推荐)
PaperWeekly
36+阅读 · 2019年2月19日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Deep Learning for Deepfakes Creation and Detection
Arxiv
6+阅读 · 2019年9月25日
Arxiv
6+阅读 · 2019年7月29日
Arxiv
7+阅读 · 2019年5月31日
Learning Discriminative Model Prediction for Tracking
Arxiv
10+阅读 · 2019年2月19日
Arxiv
23+阅读 · 2018年10月24日
VIP会员
相关VIP内容
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
54+阅读 · 2020年6月24日
零样本文本分类,Zero-Shot Learning for Text Classification
专知会员服务
94+阅读 · 2020年5月31日
【WWW2020-UIUC】为新闻故事生成具有代表性的标题
专知会员服务
26+阅读 · 2020年3月18日
相关论文
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Deep Learning for Deepfakes Creation and Detection
Arxiv
6+阅读 · 2019年9月25日
Arxiv
6+阅读 · 2019年7月29日
Arxiv
7+阅读 · 2019年5月31日
Learning Discriminative Model Prediction for Tracking
Arxiv
10+阅读 · 2019年2月19日
Arxiv
23+阅读 · 2018年10月24日
微信扫码咨询专知VIP会员