Heterogeneous Subgraph Transformer for Fake News Detection

虚假新闻在社交媒体上普遍存在，对公共话语和社会福利造成了巨大的伤害。我们通过构建涉及新闻主题、实体和内容之间关系的异构图，研究新闻文章的明确结构信息和文本特征。通过我们的研究，我们发现可以通过中心化在虚假新闻上的非典型异构子图来有效地检测虚假新闻，这些子图包含新闻要素之间的基本语义和复杂关系。然而，由于异质性，探索这种异构子图仍然是一个未解决的问题。为了弥合这一差距，本文提出了一种异构子图转换器（HeteroSGT）来利用我们构建的异构图中的子图。在HeteroSGT中，我们首先使用预训练语言模型来推导单词级和句子级语义。然后，应用随机游走重启（RWR）来提取以每个新闻为中心的子图，这些子图进一步被送入我们提出的子图Transformer中来量化真实性。在五个真实数据集上的广泛实验表明，HeteroSGT比五个基线表现更优秀。进一步的案例和消融研究验证了我们的动机，并证明了性能提升源于我们特别设计的组件。

如何检测社交媒体上的假新闻？

通过构建异构图和使用子图转换器，利用子图来量化新闻的真实性。

使用预训练语言模型和随机游走算法提取子图，并使用子图转换器进行真实性量化。在五个真实数据集上进行了广泛实验，并与五个基线进行了比较。实验结果表明，该方法具有卓越的性能。

在假新闻检测领域，最近的相关研究包括："Fake News Detection on Social Media: A Data Mining Perspective"和"Detection of False Information in Social Media Using Complex Network Analysis"等。