LLM语义异构图模型

五基准领先七基线

联合主题实体异构图与广义PageRank，提取新闻局部全局语义以增强虚假新闻检测。

Ma, Xiaoxiao · Yuchen, Zhang · Ding, Kaize · Yang, Jian · Wu, Jia · Fan, Hao

2024

技术优势

挖掘高阶语义

通过主题模型和提示词从LLM中提取主题和真实实体，建模新闻、实体、主题间的关系，捕捉虚假新闻的偏离模式。

局部全局语义融合

采用广义PageRank和一致性学习准则，在图上自适应传播特征，同时挖掘以新闻为中心的局部和全局语义。

性能超越基线

在五个基准数据集上均优于七种基线方法，证明模型有效性。

应用场景

• 虚假新闻检测：检测虚假新闻，捕捉实体与主题间的异常模式。
• 文本语义挖掘：挖掘LLM忽略的高阶语义，增强文本表示。
• 图神经网络：利用异构图传播特征，建模新闻-实体-主题关系。
• 大模型应用：用LLM提取主题和实体，丰富语义信息。