偵測錯誤健康新聞的階層式圖注意力網路

Abstract

隨著社群平台的興起，大量錯誤的醫療健康新聞流傳於網際網路上，當人們採取健康假訊息建議的偏方後，他們的生命可能會受到威脅。為了避免假新聞造成的負面影響，許多偵測的方法已被提出，例如，自然語言處理技術（NLP）能夠根據新聞的文字來判斷其真實性，然而由於當今人們時常從社群媒體接收新聞資訊，用戶的背景以及其對新聞的參與模式或許有助於假新聞的偵測，因此，研究學者引入圖神經網路（GNN）到此任務上。通常在一個社群網路中，每個節點對他相鄰的節點有不同的影響力，每種關係也有獨特的意義，有鑑於此，我們提出一個新穎、以階層式注意力機制為基礎的圖學習框架，以捕抓重要的節點和交互作用。另外，因為圖神經網路在多層堆疊時表現不佳，我們設計了兩階段的訓練策略，以縮短傳遞用戶交友圈之訊息到新聞節點的路徑。在辨別健康假新聞的任務上，實驗結果顯示我們的模型優於現有的方法，並且基於注意力機制的圖神經網路能受益於兩階段的訓練。