基于图卷积网络的归纳式微博谣言检测新方法

王友卫,童爽,凤丽洲,朱建明,李洋,陈福

New inductive microblog rumor detection method based on graph convolutional network

You-wei WANG,Shuang TONG,Li-zhou FENG,Jian-ming ZHU,Yang LI,Fu CHEN

表 4 不同对比方法参数设置

Tab.4 Parameter settings of different methods for comparisons

对比方法 实验设定 DT-Rank[4] 所选特征包括来源可信度、来源身份、来源多样性、来源地址、语言态度、事件传播特征，特征选择方法为信息增益. SVM-TS[3] 所选特征为内容特征、用户特征和传播特征,核函数为RBF. Text-CNN[23] 卷积核尺寸分别等于3、4、5，卷积核数量为256. GRU-2[8] GRU层数为2,词典大小为5 000. dEFEND[24] 注意力层维度为100,共注意力层潜在维度为200. Text-GCN[18, 22] GCN层数为2. Bi-GCN[25] 模型早停忍耐批次为10. GLAN[26] 卷积核尺寸分别等于3、4、5,卷积核数量为100. TextING[20] 滑动窗口大小为3.