目的地搜索
面向社交媒体的虚假新闻检测
2024-09-24 16:00  

一、项目背景

社交媒体的发展带来了信息获取的便捷,但也伴随着大量虚假信息的传播,尤其在健康领域,公众因缺乏专业知识难以区分真伪。虚假新闻不仅误导公众,还可能降低政府和专家的公信力。现有研究对时间信息和社交媒体新闻信息的整合利用不足,限制了健康虚假新闻检测的发展。

二、成果一:知识引导的归纳图神经网络(KG-IGNN)模型

1.主要解决的问题及具体方法

为了解决健康领域虚假信息检测中的专业知识缺乏问题,我们设计了 KG-IGNN 模型。该模型利用知识图谱中的专业信息丰富社交媒体文本的语义特征,通过图神经网络优化特征表示,利用文章的邻居节点进行信息归纳和推理。

2.创新点

知识图谱融合:引入健康领域的专业知识图谱,提升语义理解和判断能力。

图神经网络优化:利用文章邻居节点的信息,增强模型的分析和推理能力。

3.实践推广应用效果

实验结果表明,KG-IGNN 模型相比现有方法有显著性能提升,能有效提高健康虚假信息检测的准确性和鲁棒性,为公众提供更可靠的信息鉴别工具,提升政府和专业机构的公信力。

三、成果二:时间间隔引导的知识归纳式图神经网络(TIG-KIGNN)

1.主要解决的问题及具体方法

专业知识缺乏:引入医学知识图谱,提供可靠判断依据。

时间信息利用不足:开发时间间隔分析方法,通过新闻发布时间与事件发生时间的差异,提供真实性评估的时间信息。

新闻信息整合不足:使用图神经网络技术,聚合社交媒体相关新闻,丰富语义。

2.创新点

医学知识图谱:通过专业知识辅助判断,提高新闻真伪鉴别能力。

时间间隔编码:增加时间维度,提升真实性评估。

信息聚合:图神经网络综合分析社交媒体文本,提升检测准确性。

3.实践推广应用效果

在 ReCOvery 数据集上的实验表明,TIG-KIGNN 模型的预测效果优于基线模型。模型帮助公众更好地鉴别健康新闻真伪,提升政府和专业机构的公信力。

四、成果三:基于知识图谱的虚假新闻检测软件

1.主要解决的问题及具体方法

专业知识缺乏:通过知识图谱提供健康领域知识支持,帮助用户辨别新闻真伪。

信息利用不足:利用图神经网络技术,整合社交媒体多源新闻信息,提升检测效果。

2.创新点

知识图谱支持:提升软件的新闻真伪鉴别能力。

图神经网络:整合多源信息,增强分析能力。

3.实践推广应用效果

该软件在多个场景中推广使用,效果显著。实际应用表明,软件能有效提高健康新闻真伪鉴别的准确性,减少虚假新闻对公众的误导,提升政府和专业机构的公信力。

KG-IGNN 封面与第一页:

         

TIG-KIGNN 封面与第一页:

           

软著授权书:

关闭窗口

版权所有:w88win优德中文版 - w88win中文手机版 | 地址:天津市西青区宾水西道393号 | 邮政编码:300387 | 电话:022-23766157 |