author:魏静崎
2023年11月13日
研究方向：虚假信息检测
本周工作内容：
1、阅读论文Jeong U, Ding K, Cheng L, et al. Nothing stands alone: Relational fake news detection with hypergraph neural networks[C]//2022 IEEE International Conference on Big Data (Big Data). IEEE, 2022: 596-605.
提出利用超图表示新闻群组之间的交互，用双层注意力机制关注更重要的新闻。
传播树：
超图：超图要在训练之前构建，超图通过超边连接两个及以上节点，新闻对应超图中的节点，超图通过传播树获取社交上下文连接节点。
超图中有三类超边：
用户：不同新闻间共享的用户ID。
时间：发布时间接近的新闻。
实体：新闻内容间共享的主题词。
three major modules:
1、使用GNN对超图节点编码构建传播树。
2、用双重注意力机制学习节点和超边的关系。
节点级注意力机制突出显示对超边含义重要的节点。
边级注意力机制关注节点的下一层中有用的超边。
3、分类层。
使用具有可训练权重矩阵和偏执项的全连接层。
![[1699694978932.png]]
提出的框架适用于超图的半监督设置，用于跨节点分类。并且没有标签泄露问题。
下周研究内容：
- 本文作者： 魏静崎
- 本文链接： https://slightwjq.github.io/2023/12/11/周报08/
- 版权声明： 该文章来源及最终解释权归作者所有