基于广度-深度采样和图卷积网络的谣言检测方法

王友卫,王炜琦,凤丽洲,朱建明,李洋

Rumor detection method based on breadth-depth sampling and graph convolutional networks

Youwei WANG,Weiqi WANG,Lizhou FENG,Jianming ZHU,Yang LI

表 2 各基线方法的参数设置

Tab.2 Parameter settings for each baseline model

方法 参数设置 DTR 所选特征包括信息来源可信度、身份、多样性、地址，语言态度、传播特征等，使用信息增益选择特征 DTC 所选特征包括消息内容、用户、主题、传播等，使用向前搜索选择特征 SVM-TS 所选特征包括用户信息、内容、传播等，核函数为径向基函数（radial basis function，RBF） GRU 词汇表大小为5000，GRU层数为2，学习率为0.5 RvNN 词汇表大小为5000，词嵌入向量维数为100 PLAN 隐藏层向量维数为300，学习率为0.01，批处理大小为16 Bi-GCN 隐藏层向量维数为64，丢弃率为0.5，边丢弃率为0.5，Epoch=200，早停次数为10 RDEA 隐藏层向量维数为64，节点掩蔽率为0.2，边丢弃率为0.5 EBGCN 隐藏层向量维数为64，学习率为0.0002，隐藏层向量维数为200 ACLR-BiGCN 隐藏层向量维数为512，图卷积层数为2，学习率为0.0001，边丢弃率为0.2，批处理大小为64 UPSR 隐藏层向量维数为64，学习率为0.001，Epoch=200