byn12345的博客

论文题目：Semi-Supervised Learning and Graph Neural Networks for Fake News Detection论文链接：https://ieeexplore.ieee.org/document/9073625代码链接：无关键词：半监督学习；GNN；假新闻检测这篇文章就2页，简单记录一下。1 引言本文解决的是假新闻检测问题。作者提出基于图的半监督假新闻检测框架。作者认为基于图的模型表达能力较强，可以捕获文章间的上下文依赖，缓解标签不足的问题。.

论文题目：Unsupervised Fake News Detection on Social Media: A Generative Approach论文来源：AAAI 2019论文链接：https://www.aaai.org/ojs/index.php/AAAI/article/view/4508代码链接：无关键词：无监督；假新闻检测；社交网络概率图推导看的眼花缭乱，这篇文章读得半懂不懂的，我数学太菜了…文章目录1 摘要2 引言3 模型3.1 分层用户参与3.2 问题建模3.3 概.

论文题目：Fake News Detection via Knowledge-driven Multimodal Graph Convolutional Networks论文来源：ICMR 2020论文链接：https://doi.org/10.1145/3372278.3390713关键词：假新闻检测；多模态；知识；图卷积文章目录1 摘要2 引言3 方法3.1 问题定义3.2 整体框架3.3 知识蒸馏3.4 多模态内容的图构建3.5 知识驱动的多模态图卷积网络（KMGCN）4 实验4.1 实验.

论文题目：Multi-modal Knowledge-aware Event Memory Network for Social Media Rumor Detection论文来源：MM 2019论文链接：https://doi.org/10.1145/3343031.3350850关键词：多模态（文本+图像+知识）；谣言检测；知识图谱；记忆网络（memory network）；事件（event-level）；注意力机制文章目录1 摘要2 引言3 相关工作3.1 谣言检测3.2 实体链接3.3 .

论文题目：XBully: Cyberbullying Detection within a Multi-Modal Context论文来源：WSDM 2019 刘欢老师组论文链接：https://doi.org/10.1145/3289600.3291037关键词：网络欺凌检测；多模态；异质图；网络嵌入文章目录1 摘要2 引言3 问题定义3.1 多模态网络欺凌检测3.2 通过多模态网络表示学习的网络欺凌检测3.3 挑战4 XBully模型4.1 Mode Hotspot Detection4.

论文题目：MVAE: Multimodal Variational Autoencoder for Fake News Detection论文来源：WWW 2019论文链接：https://doi.org/10.1145/3308558.3313552代码链接：https://github.com/dhruvkhattar/MVAE关键词：多模态融合；图片；文本；变分自编码器；假新闻检测；microblogs文章目录1 摘要2 引言3 模型3.1 模型概览3.2 编码器3.3 解码器3.4 假.

论文题目：EANN: Event Adversarial Neural Networks for Multi-Modal Fake News Detection论文来源：KDD 2018论文链接：https://doi.org/10.1145/3219819.3219903代码链接：https://github.com/yaqingwang/EANN-KDD18关键词：事件；多模态（图像+文本）；对抗神经网络；假新闻检测文章目录1 摘要2 模型3 实验4 总结1 摘要本文的目的是设计一个.

论文题目：Cross-Lingual Cross-Platform Rumor Verification Pivoting on Multimedia Content论文来源：EMNLP 2018论文链接：https://www.aclweb.org/anthology/D18-1385/代码链接：https://github.com/WeimingWen/CCRV关键词：跨语言；跨平台；特征；多媒体内容；谣言验证文章目录摘要1 引言2 相关工作3 CCMR 数据集4 框架概览5 跨语言跨平台.

论文题目：Exploiting Multi-domain Visual Information for Fake News Detection论文来源：ICDM 2019论文链接：https://arxiv.org/abs/1908.04472关键词：假新闻检测；图像；频域；像素域；CNN；RNN；attention文章目录1 摘要2 引言3 模型3.1 模型概览3.2 频域子网络3.3 像素域子网络3.4 融合子网络4 实验5 总结1 摘要本文主要是利用新闻的图像信息，将频域和像素域的特.

论文题目：DEAN: Learning Dual Emotion for Fake News Detection on Social Media论文来源：arXiv 2019论文链接：https://arxiv.org/abs/1903.01728关键词：假新闻检测，社交网络，情感，multimodal，Gate文章目录1 摘要2 引言3 模型3.1 建模发布者情感3.2 建模社交情感3.3 DEAN框架4 实验5 总结1 摘要本文要解决的任务是利用文本中的情感信息，进行假新闻检测。在许.

论文题目：Multimodal Fusion with Recurrent Neural Networks for Rumor Detection on Microblogs论文来源：MM 2017论文链接：https://doi.org/10.1145/3123266.3123454关键词：多模态融合，谣言检测，LSTM，注意力机制，microblog文章目录1 摘要2 引言3 模型3.1 模型概览3.2 文本和社交上下文的联合表示3.3 图像的视觉表示3.4 用于视觉表示的注意力3.5 模型.

创新点、改进点、实验用到的数据集、不足文章目录1 Bi-GCN数据集本文的亮点和要点思考2 Capturing the Style of Fake News数据集已有方法的问题本文的亮点和要点思考3 WeFEND数据集已有方法的不足文章的亮点和要点思考4 Proactive Discovery of Fake News Domains from Real-Time Social Media Feeds数据集文章的亮点和要点思考5 dEFEND数据集本文的亮点和要点思考References1 Bi.

论文题目：Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks论文来源：AAAI 2020 清华大学, 腾讯AI论文链接：https://arxiv.org/abs/2001.06362代码链接：https://github.com/TianBian95/BiGCN关键词：谣言检测，社交媒体，GCN文章目录1 摘要2 引言3 Preliminaries4 Bi-GCN谣言检测模型5 实验.

论文题目：Can Machines Learn to Detect Fake News? A Survey Focused on Social Media论文来源：HICSS 2019，Proceedings of the 52nd Hawaii International Conference on System Sciences论文链接：https://www.researchgate.net/publication/330364905_Can_Machines_Learn_To_Detect_F.

论文题目：Fake News Detection on Social Media: A Data Mining Perspective论文来源：KDD 2017 美国亚利桑那州立大学, 美国密歇根州立大学论文链接：https://arxiv.org/abs/1708.01967关键词：虚假新闻检测，社交媒体，综述文章目录1 摘要2 引言3 假新闻的特点3.1 虚假新闻的定义3.2 传统新闻媒体上的虚假新闻3.3 社交媒体上的虚假新闻4 假新闻检测4.1 问题定义4.2 特征抽取4.2.1 新闻内.