基于多粒度图卷积网络的假新闻检测

发布时间：2021-11-05 09:05

　　互联网社交平台的迅速崛起,极大提升了网络信息传播的效率,但传播途径的便捷也助长了虚假新闻的生成和传播。假新闻不仅会使媒体的可信度减弱,还可能危害政治和经济等领域,造成社会秩序的混乱,影响人们的正常生活。从繁杂的网络内容中自动检测出假新闻是一个亟需解决的实际自然语言处理问题,具有减轻甚至消除假新闻负面影响的积极意义。假新闻是指带有不真实成分的言论或报道,事件的实情往往与描述有所出入,常因政治或经济利益被发布,较难对其进行准确识别。由于推特、微博等社交平台的新闻内容较为简短,仅考虑新闻内容及其语言特征,无法取得令人满意的检测效果,需高效准确的模型对该类新闻进行检测识别。利用有限的信息进行虚假新闻的自动检测识别是目前假新闻检测领域的一个重大挑战。为利用有限的信息提升检测性能,已有的大部分研究基于样本间的独立性假设开展,将文本与其他非本文特征同时输入模型编码学习,通常忽略了新闻间的相似性,这一可能提升分类表现的因素。本文主要研究了新闻内容较为简短的情况下,有效利用丰富的非文本信息辅助假新闻检测的问题。由于网络社交平台的文本更为简短,具有信息内容含量少、表达形式多样和结构成分不完整的特点,为充分... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 虚假新闻检测
        1.2.2 网络表示学习
    1.3 主要研究内容及组织结构
        1.3.1 主要研究内容
        1.3.2 论文的组织结构
第2章 假新闻检测相关技术
    2.1 文本特征表示
        2.1.1 基于向量空间模型
        2.1.2 基于主题模型
        2.1.3 基于神经网络的模型
    2.2 假新闻检测算法
        2.2.1 文本分类技术
        2.2.2 典型检测模型
    2.3 注意力机制
    2.4 图神经网络
        2.4.1 图表示学习定义
        2.4.2 图卷积神经网络
    2.5 本章小结
第3章 多粒度图卷积网络的新闻检测框架
    3.1 基于图卷积网络的假新闻检测
        3.1.1 任务描述
        3.1.2 新闻节点表示学习
    3.2 改进的多粒度图卷积网络
        3.2.1 关系图的构建
        3.2.2 模型训练
    3.3 多粒度特征信息的融合
    3.4 本章小结
第4章 模型验证及结果分析
    4.1 实验数据
    4.2 实验设置
        4.2.1 数据预处理
        4.2.2 参数设置
        4.2.3 评价指标
    4.3 实验结果
        4.3.1 检测结果对比
        4.3.2 不同辅助信息的影响
        4.3.3 参数敏感性分析
        4.3.4 模型可视化结果
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢


【参考文献】：
期刊论文
[1]欧美新闻事实核查技术应用及趋势[J]. 杨丽萍.  中国传媒科技. 2018(06)
[2]融合多模态特征的社会多媒体谣言检测技术研究[J]. 金志威,曹娟,王博,王蕊,张勇东.  南京信息工程大学学报(自然科学版). 2017(06)
[3]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)
[4]微博谣言识别研究[J]. 贺刚,吕学强,李卓,徐丽萍.  图书情报工作. 2013(23)
[5]微博短文本预处理及学习研究综述[J]. 王连喜.  图书情报工作. 2013(11)
[6]基于LDA的微博文本主题建模方法研究述评[J]. 张培晶,宋蕾.  图书情报工作. 2012(24)
[7]基于潜在语义分析的微博主题挖掘模型研究[J]. 唐晓波,王洪艳.  图书情报工作. 2012(24)
[8]基于隐主题分析和文本聚类的微博客中新闻话题的发现[J]. 路荣,项亮,刘明荣,杨青.  模式识别与人工智能. 2012(03)
[9]文本自动分类技术研究综述[J]. 庞观松,蒋盛益.  情报理论与实践. 2012(02)

博士论文
[1]面向中文文本的欺骗行为检测研究[D]. 张虎.山西大学 2014

硕士论文
[1]基于向量空间模型的中文文本相似度算法研究[D]. 陈飞宏.电子科技大学 2011



本文编号：3477503