MTF-GCN: Mạng tích chập đồ thị hợp nhất đa góc nhìn theo thời gian cho phát hiện tin đồn và kiểm chứng thông tin trên mạng xã hội

Tóm tắt

Tin đồn và các nguồn tin có độ tin cậy thấp lan truyền rất nhanh trên mạng xã hội và có thể gây ra những tác động nghiêm trọng đến xã hội. Nhiều phương pháp hiện nay phụ thuộc nhiều vào nội dung văn bản hoặc cấu trúc lan truyền tĩnh, do đó bị hạn chế trong việc nắm bắt sự tương tác động giữa thông tin và người dùng theo thời gian. Trong nghiên cứu này, chúng tôi đề xuất MTF-GCN, một mô hình hợp nhất đa góc nhìn theo thời gian nhằm giải quyết bài toán phát hiện tin đồn và kiểm chứng thông tin ở cấp độ tài liệu. Mỗi sự kiện được biểu diễn bằng hai đồ thị động: (i) đồ thị lan truyền được xây dựng từ các quan hệ trả lời và chia sẻ lại, và (ii) đồ thị người dùng dựa trên đặc điểm hồ sơ và hành vi tương tác. Quá trình khuếch tán được chia thành ba giai đoạn thời gian gồm sớm, trung gian và muộn, sau đó được xử lý bằng các lớp tích chập đồ thị và tổng hợp thông qua một cơ chế hợp nhất theo thời gian gọn nhẹ. Các biểu diễn thu được từ nhánh lan truyền và nhánh người dùng tiếp tục được kết hợp để thực hiện phân lớp nhị phân. Thực nghiệm trên các bộ dữ liệu Weibo, Pheme và ReCOVery cho thấy MTF-GCN đạt độ chính xác cao (lần lượt 97,75%, 95,22% và 93,10%) và đặc biệt mạnh trong việc thu hồi các nội dung không đáng tin cậy. Những kết quả này cho thấy mô hình hóa không gian – thời gian đa góc nhìn kết hợp với cơ chế hợp nhất theo thời gian đơn giản là hiệu quả và phù hợp cho các hệ thống cảnh báo sớm và giám sát thông tin sai lệch.