Cascade-LSTM: A Tree-Structured Neural Classifier for Detecting Misinformation Cascades(KDD20)
- 2022 年 7 月 7 日
- 筆記
- DL, GML, GraphMachineLearning, ML、DL
Cascade-LSTM是一個用於虛假信息級聯檢測的樹結構神經分類器，它本質上是一個謠言（假新聞）檢測模型，它將謠言檢測任務視為一個樹分類問題。
Cascade-LSTM在遞歸神經網絡（本文具體基於TreeLSTM，即樹結構的LSTM）的基礎上，引入了一個雙向的TreeLSTM結構來沿着傳播樹結構進行自底向上和自頂向下的遍歷來編碼傳播樹節點的用戶特徵。
具體地，Cascade-LSTM先從葉節點向根節點自底向上地遍歷，更新節點特徵，然後再從根節點向葉節點遍歷-以自底向上的隱狀態向量、節點特徵和父節點的隱狀態向量為輸入，再次更新節點特徵，以編碼節點間的上下文依賴關係，以捕獲傳播動態。
這裡，Cascade-LSTM將以自底向上的匯聚到根節點的隱狀態向量和自頂向下的遍歷的所有根節點的平均的隱狀態向量作為輸出。此外，Cascade-LSTM加入了源文本特徵（文本情感特徵）。
值得一提的是，TreeLSTM本質上可以視為GNN，而Cascade-LSTM也類似，只不過它們的消息聚集是有向的。
