知识驱动的图卷积神经网络虚假新闻检测研究.pdf

摘要

伴随互联网的深度普及，人们更多的使用网络社交媒体上获取新闻。然而，

在缺乏有效监管的情况下，开放的互联网助长了大量虚假新闻的传播。虚假新

闻以极低的成本在互联网中快速扩散，给社会和人们的日常生活带来显著的负

面影响。因此，研究虚假新闻的自动检测模型具有重要的现实意义。

传统的假新闻检测主要是结合写作风格、传播模式、用户信用或世界知识

等特征。然而实际情况中，传播模式难以捕捉，写作风格容易被模仿，而由元

数据（如当前工作、家乡、学历等）组成的用户信息则容易被伪造。鉴于此，

本文在利用世界知识的基础上，创新性的探索了结合层次化语言知识的图神经

网络虚假新闻检测模型，主要开展了如下工作：

1

（）提出了一个融合世界知识的图卷积神经虚假新闻检测模型，该模型通

过实体链接获得新闻文本中的实体词，通过引入世界知识图谱中的实体上下文

信息丰富了实体语境。将实体上下文信息和新闻文本信息构建了一个可靠的新

闻图结构，利用图卷积神经网络学习实体-新闻图结构进行虚假新闻检测。通过

基准虚假新闻语料库上的实验结果验证了本文提出模型的有效性。

（2）提出了一个融合世界知识和层次化语言知识的图卷积神经网络虚假新

闻检测模型。该模型在融入了实体上下文信息的基础上，利用隐含狄利克雷分

布对新闻文本进行主题词提取，接着利用提取的新闻主题词通过语言知识图谱

进行语言上下文的提取（使用Wordnet提取英文词的上义词、下义词和同义词，

使用Hownet提取中文词的义原和同义词）。并构建了一个功能强大的语言实体

新闻图，其中包括新闻文本中先前的单词、扩展的实体上下文和扩展的语言上

下文。利用图神经网络模型成功的进行了建模，在中英文基准数据集上的假新

闻检测效果优于目前基准模型。

关键词：虚假新闻检测；语言知识；世界知识图谱；实体链接；隐含狄利

克雷分布；图卷积神经网络

I

目录

摘要I

AbstractII

目录III

第1章绪论1

1.1研究背景1

1.2研究目的与意义2

1.3国内外研究现状3

1.3.1基于文本的虚假新闻检测3

1.3.2基于传播模式的虚假新闻检测3

1.3.3基于写作风格的虚假新闻检测3

1.3.4基于用户信用的虚假新闻检测4

1.3.5基于知识驱动的虚假新闻检测4

1.4论文组织结构5

第2章相关概念6

2.1词向量技术6

2.1.1Word2Vec6

2.2深度学习模型8

2.2.1图卷积网络8

2.2.2BERT模型9

2.3知识图谱11

2.3.1世界知识图谱11

2.3.2语言知识图谱12

2.3.3常识知识图谱12

2.4本章小结12

第3章融合世界知识图卷积网络的虚假新闻检测14

3.1前言14

3.2模型框架14

3.2.1融合世界知识的新闻图构建14

3.2.2图卷积网络建模16

3.3实验结果及分析17

3.3.1评价指标17

3.3.2数据集18

3.3.3基线模型18

III

3.3.4参数设置18

3.3.5实验结果分析19

3.4本章小结20