HG-SL：基于全局和局部用户行为的新闻

一、概述

        本文的主要目标是，仅通过用户行为来判断新闻的真伪。其之所以抛弃传统的基于视频内容、用户反馈（点赞和评论）等信息，是认为，这些内容很容易存在造假的情况（即有水军机器人操控）。而基于用户行为（转发、好友建立）等操作可以识别出哪些用户是机器人，再以其行为去鉴别新闻的真假。

二、问题数字化

        首先，研究者提出使用超图的方式将参与（特指转发行为）同一个新闻视频的观众用户用超边进行连接，构成全局图，而局部图则用于描述观众之间的关系（关注行为）。

        这两张图在实际上是放在一块的。从这个图中，我们又构建了两类数据：传播级联和时间序列。（这两个东西文章只公式讲解，不太好搞懂，我认为我应该没理解错）

        先讲时间序列：其记录的是对于一个新闻视频，有哪些用户在哪个时间点转发了该视频。

        再讲传播级联：其描述的是对于参与同一个新闻视频的所有用户，其中一个用户与剩余其他用户的转发情况（即一个用户将视频转发给另一个用户）。

三、模型架构

        本文的模型框架分为两个部分，就如文章题目一样：

        HG部分是处理全局行为的模块，其通过Hyper-GNN来生成用户向量（这个向量就可以用来识别是真人还是机器人），其中Cen是一个中心性向量，是通过将超图输入嵌入函数后得到各个用户节点的活跃度。（表示为该用户的超边数量）

&