Key points are not available for this paper at this time.
إن إنشاء نموذج موثوق للكشف عن الشائعات أمر ضروري لحماية صحة المعلومات على منصات وسائل التواصل الاجتماعي. ومع ذلك، تعتمد الأساليب الحالية لوقف انتشار الشائعات على بيانات تدريب وفيرة ونظيفة، وهو ما نادرًا ما يتوفر في السيناريوهات الواقعية. في هذا العمل، نسعى لتطوير نموذج موثوق للكشف عن الشائعات يمكنه التعامل مع البيانات الموسومة غير الكافية والضوضاء. يتناول عملنا الكشف القوي عن الشائعات، بما في ذلك الكشف الكلاسيكي والمبكر، بالإضافة إلى خمسة أنواع من مشكلات القوة: انتشار ضوضائي وغير مكتمل، ندرة ووجود ضوضاء في التصنيفات، واختفاء المستخدمين. نقترح طريقة جديدة، الكشف عن الشائعات المعزز بالموثوقية (RERD)، التي تعتمد بشكل رئيسي على الرسوم البيانية لانتشار المعلومات لتغريدات المصدر، جنبًا إلى جنب مع ملفات تعريف المستخدمين ومعرفة إعادة التغريد، لتعلم النموذج. إن جديد RERD هو أربع جوانب. أولاً، نستغل معًا هياكل الانتشار للتغريدات النصية وغير النصية لتعلم تمثيل تغريدة المصدر. ثانيًا، نستخدم في الوقت نفسه تدفقات المعلومات من الأعلى إلى الأسفل ومن الأسفل إلى الأعلى مع الانتشار العلاقي لتعلم تمثيل الرسوم البيانية. ثالثًا، لتحقيق الكشف الفعال المبكر والموثوق، نقوم بتنفيذ التعلم التبايني على الرسوم البيانية مع آراء مبكرة وكاملة حول انتشار المعلومات بحيث يمكن للصور الصغيرة أن تتوقع أشكالها المستقبلية. أخيراً، نستخدم التعليمات الوهمية المنهجية لتخفيف تأثير ندرة العلامات والعلامات الضوضائية، ولتصحيح التمثيلات التي تم تعلمها من البيانات التالفة. تظهر النتائج التجريبية على ثلاثة مجموعات بيانات مرجعية أن RERD تتفوق باستمرار على المنافسين في سيناريوهات الكشف عن الشائعات الكلاسيكية والمبكرة والموثوقة. إلى أفضل معرفتنا، نحن الأوائل الذين يتعاملون في الوقت نفسه مع الكشف المبكر وخمس حالات قوية للشائعات.
درس زوانغ وآخرون هذا السؤال (سبت).