图神经网络谣言检测模型

通过引入核子树特征，模型能够从关键节点学习到重要的局部结构信息，弥补了传统GNN方法在传播结构利用上的不足。

潇湘 · Zeming, Wu · Chengzong, Cai · Bian, Tian · 胡光武 · 李箐 · 黄诚

Engineering Applications of Artificial Intelligence 2025

参数信息

准确率提升（数据集1）

1.6 %

准确率提升（数据集2）

1.9 %

技术优势

准确率领先

在两个真实社交媒体数据集上，准确率分别比最优基线高1.6%和1.9%。

能抓关键局部特征

引入核子树特征，从重要节点学习关键的局部结构信息，提升模型对传播结构的利用效率。

突破GNN传播结构限制

设计了强有力的综合谣言特征提取器，显式克服以往GNN模型在传播结构利用上的限制。

应用场景

• 社交媒体内容治理：平台可自动识别并拦截谣言，维护健康舆论环境。
• 舆情监测系统：舆情系统可实时发现谣言传播，及时预警和处置。
• 在线异常检测：在线检测异常信息扩散模式，识别潜在谣言。