基于图卷积神经网络的多任务谣言检测方法研究

摘要

社交网络的飞速发展使得信息呈现爆炸式增长，其中谣言信息的快速传播成为危害社会秩序和损害公众信任的主要问题。传统的谣言检测方法在处理复杂性和大规模数据时往往面临着效率低下、精确度不高的挑战。本文提出一种基于图卷积神经网络的多任务谣言检测方法。该方法涵盖数据收集、预处理、模型构建、训练和推理的完整流程。利用图卷积神经网络在处理社交网络复杂图结构数据上的优势，该方法能够有效提取文本节点特征并构建图结构。通过同时处理多个相关谣言检测任务并采用分层聚合预测策略合并结果，模型的整体检查性能得到提升。实验结果表明，与现有的谣言检测方法相比，本文提出的方法在准确性和整体性能方面表现均显著提升，其中精确率达到0.949，召回率为0.983,F1分数为0.966。

关键词

图神经网络 / 多任务学习 / 谣言检测