声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：王吉宏,赵书庆,罗敏楠,刘欢,赵翔,郑庆华,
关键词：虚假信息检测, 图神经网络, 互信息, 图表示学习, 鲁棒表示学习, 少标签学习,
虚假信息检测对于维护网络舆情安全具有重要意义.研究表明，虚假信息在信息内容和传播结构上较真实信息具有显著不同.为此，近年来研究致力于挖掘信息内容和信息传播结构，提升虚假信息检测的精准性.然而，现实场景中虚假信息的标注往往需要大量地与官方报道等比照分析，代价较为昂贵，现有方法对标注信息的过分依赖限制了其实际应用.此外，虚假信息传播者可通过在评论区控评等手段恶意操纵虚假信息的传播，增加了虚假信息检测的难度.为此，基于信息瓶颈理论提出一种鲁棒少标签虚假信息检测方法，通过互信息最大化技术融合无标注样本信息，克服虚假信息检测对标签的过分依赖问题；并通过对抗训练的策略模拟虚假信息传播者的恶意操纵行为，基于信息瓶颈理论学习鲁棒的虚假信息表征，在高质量表征虚假信息的同时消除恶意操纵行为的影响.实验表明，该方法在少标签识别和鲁棒性2个方面均取得了优于基准方法的效果.
来源：2024年第7期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。