author:魏静崎
2024年3月25日
研究方向：虚假信息检测

本周工作内容：

1、阅读论文Chang Q, Li X, Duan Z. Graph global attention network with memory: A deep learning approach for fake news detection[J].
GANM是一个端到端的神经网络，先进行节点嵌入和图嵌入，然后全局池化生成总结X中信息的固定大小特征向量h2。
![[1711435232274.png]]
主要分为两个模块：
全局关注模块：
从当前和历史输入图中提取选择性信息，定义一组固定的注意力权重在GRU层迭代更新，GRU层维护一个不断更新迭代的向量，该向量学习输入图中提取的全局信息，然后集成到用于最终分类的特征向量中。利用GRU来建模全局信息的时间动态在编码输入图中的相互依赖关系方面十分有效。
部分关键消息学习：
使用两个可学习的权重矩阵来聚合整体特征向量和节点特征向量，该层中的权重矩阵被设计为学习特征向量维度上的注意力机制，以强调被认为对分类任务更有作用的某些维度。
最后将两个模块得到的特征向量合并传入全连接层进行分类。

模型结果：
![[1711436466286.png]]

2、阅读论文Gedara T M H, Loia V, Tomasiello S. Using fuzzy transform for sustainable fake news detection[J]. Applied Soft Computing, 2024, 151: 111173.

![[1711436954478.png]]
利用模糊变换较少训练数据从而减少时间。

![[1711437021370.png]]该方法对较大的数据集更有效

赏

谢谢你请我吃糖果

支付宝

微信