【论文标题】Early Detection of Fake News by Utilizing the Credibility of News, Publishers, and Users Based on Weakly Supervised Learning 【作者团队】Chunyuan Yuan, Qianwen Ma, Wei Zhou, Jizhong Han and Songlin Hu 【论文链接】https://arxiv.org/pdf/2012.04233.pdf 【推荐理由】本文来自于中科院，收录于COLING 2020。文章提出了一种新颖的结构感知的多头部注意力网络（SMAN），它结合了新闻内容、发布以及发布者和用户之间的重贴关系，共同优化虚假新闻的检测和可信度预测任务。 虚假新闻的传播严重影响个人声誉和公众信任。近年来，虚假新闻检测引起了极大的关注，以往的研究主要集中在从新闻内容或传播路径中寻找线索。然而，在早期检测场景中，早期模型所需的功能往往不可用或不足，导致性能较差。因此，早期发现虚假新闻仍然是一项艰巨的挑战。从直觉上看，来自可信和权威的消息来源或许多信誉良好的用户共享的新闻比其他新闻更可靠。利用发布者和用户的可信度作为先验弱监督信息，可以在海量新闻中快速定位假新闻，并在传播的早期发现。基于这个动机，作者设计了一个多头部注意力网络（SMAN），主要解决两个挑战：（1）如何对异构图结构和新闻内容进行充分编码；（2）如何明确利用出版商和用户的公信力，促进虚假新闻的早期发现。模型结构如果所示：

内容中包含的图片若涉及版权问题，请及时与我们联系删除