Cascade-LSTM: A Tree-Structured Neural Classifier for Detecting Misinformation Cascades(KDD20)

• 2022 年 7 月 7 日
• 笔记
• DL, GML, GraphMachineLearning, ML、DL

　　Cascade-LSTM是一个用于虚假信息级联检测的树结构神经分类器，它本质上是一个谣言（假新闻）检测模型，它将谣言检测任务视为一个树分类问题。

 　　Cascade-LSTM在递归神经网络（本文具体基于TreeLSTM，即树结构的LSTM）的基础上，引入了一个双向的TreeLSTM结构来沿着传播树结构进行自底向上和自顶向下的遍历来编码传播树节点的用户特征。

       具体地，Cascade-LSTM先从叶节点向根节点自底向上地遍历，更新节点特征，然后再从根节点向叶节点遍历-以自底向上的隐状态向量、节点特征和父节点的隐状态向量为输入，再次更新节点特征，以编码节点间的上下文依赖关系，以捕获传播动态。

       这里，Cascade-LSTM将以自底向上的汇聚到根节点的隐状态向量和自顶向下的遍历的所有根节点的平均的隐状态向量作为输出。此外，Cascade-LSTM加入了源文本特征（文本情感特征）。

        值得一提的是，TreeLSTM本质上可以视为GNN，而Cascade-LSTM也类似，只不过它们的消息聚集是有向的。