59、C&C - GCN：融合内容与上下文的假新闻检测新方法

C&C - GCN：融合内容与上下文的假新闻检测新方法

1. 研究背景与动机

在当今信息爆炸的时代，假新闻的传播给社会带来了诸多负面影响，如误导公众、影响舆论等。因此，如何有效检测假新闻成为了一个重要的研究课题。基于图卷积网络（GCN）的方法在假新闻检测领域已经取得了一定的成果，但大多数方法在构建图时往往分别处理内容和上下文特征。我们提出了一个问题：同时使用内容和上下文特征构建图是否能提高假新闻检测方法的性能？

2. 相关工作回顾

基于GCN的方法在假新闻检测中被广泛应用，以下是一些相关研究：
- 文本与图结合方法 ：有研究提出了基于预训练BERT和多层感知器的文本和元数据特征捕获方法，以及提取内容特征构建GCN模型的方法，结果显示前者性能更好，因为元数据显著提高了效果。
- 捕获时间特征方法 ：对于新冠疫情和5G阴谋论相关话题，有研究使用GCN和DGCN方法捕获社交网络的时间特征，而不考虑文本特征。
- 政治视角确定方法 ：有研究提出通过提取社会上下文信息传播的基于GCN的政治视角确定方法。
- 特征传播模型 ：有研究先构建传播图提取关键信息，再使用随机森林模型进行图表示，最后用GCN模型进行假新闻预测。

这些研究表明基于GCN的方法在假新闻检测中表现良好，但大多数方法分别构建内容和上下文特征图，因此同时考虑内容和上下文特征的GCN方法还有待研究。

3. 问题定义与研究问题

给定一组有限的新闻，对于特定新闻 $n_