近日，深蘭科技旗下深蘭科學院投稿的《基于二部特定事件樹的分層表示的謠言檢測》(Rumor Detection With Hierarchical Representation on Bipartite Ad Hoc Event Trees)研究論文被全球人工智能領域頂級期刊《IEEE Transactions on Neural Networks and Learning Systems》(IEEETNNLS)收錄并發(fā)表。BAET多模態(tài)謠言檢測模型在PHEME1和RumorEval2兩個數(shù)據(jù)集的有效性應用測評上，性能領先于SOTA方法。

論文首次提出的謠言檢測模型BAET，是通過提取事件元素，將由流通中的根帖子組織轉換為帖子和作者的二分特定事件樹，基于詞嵌入編碼器，構建多層次RNN模型，以此對事件樹的結構進行表征，并提出一個樹感知注意模塊來分別學習作者樹和帖子樹的樹表示。

圖1：BAET的總體架構

本篇論文采用從社交平臺Twitter上可收集到的PHEME1和RumorEval2兩個公開可用的數(shù)據(jù)集進行評估，其中，PHEME數(shù)據(jù)集包含五個突發(fā)新聞事件，RumorEval涉及八個突發(fā)新聞，兩個數(shù)據(jù)集都包含帖子文本、作者信息、時間戳和傳播信息。在兩個公共數(shù)據(jù)集上的大量實驗結果，證明了BAET在探索和利用謠言傳播結構方面的有效性以及BAET相對于目前世界最先進的基線方法檢測的優(yōu)越性。

在評估中，開發(fā)團隊根據(jù)準確度、精密度、召回率和F1-score四個評估指標，展示了不同基線模型與BAET模型的性能對比。評估數(shù)據(jù)顯示，深蘭科學院提出的BAET多模態(tài)謠言檢測模型，在基于PHEME1和RumorEval2這兩組公開可用數(shù)據(jù)集的評估中，得分均刷新了原有的世界紀錄。

其中在PHEME數(shù)據(jù)集評估中，BAET模型在準確度、精密度、召回率和F1-score這四個指標上的得分，分別高出原世界紀錄1.19分、0.67分、2.17分和1.75分;而在RumorEval數(shù)據(jù)集評估中，BAET模型四個指標的得分，則分別高出原世界紀錄1.28分、1.135分、1.32分和1.38分。

圖2：本文提出的BAET模型的性能領先于目前SOTA方法

最終評估結果表明，BAET模型在探索和利用謠言傳播結構方面的有效性，無論是單項性能，還是綜合指標，都大幅領先于其他最先進的基線模型。

BAET謠言檢測模型主要由節(jié)點級表示、結構級表示和預測層三個關鍵模塊構成。其中，節(jié)點級表示模塊包含有TNP和RAL兩個子模塊，結構層次表示模塊也包含有TRvNN和TAL兩個子模塊，這兩個模塊都被應用于帖子樹和作者樹，用來分別學習帖子節(jié)點和作者節(jié)點的更多信息表示，而預測層模塊則是用來對謠言和非謠言進行分類。

在當前全互聯(lián)網(wǎng)飛速發(fā)展的時代，社交媒體成了滋生虛假信息的最佳“溫床”，一段文字、一張圖片，就可以編造出一段聳人聽聞的謠言。而這些對損害他人名譽、制造群體對立、破壞社會的和諧穩(wěn)定等方面均有負面影響，運用AI技術來治理網(wǎng)絡謠言，已經(jīng)成為具有社會責任感的AI企業(yè)的重要研究課題。此次論文結果不僅驗證了BAET模型在社交信息多模態(tài)檢測方面的技術優(yōu)越性，更重要的是證明了該模型在網(wǎng)絡謠言檢測治理方面有著巨大的應用潛力。

據(jù)了解，《IEEE Transactions on Neural Networks and Learning Systems》是由國際電氣和電子工程師協(xié)會(IEEE)于1990年創(chuàng)辦，目標是在理論、算法和應用方面推動神經(jīng)網(wǎng)絡和機器學習的發(fā)展，涵蓋了神經(jīng)網(wǎng)絡、機器學習、計算智能等方面的研究領域，期刊的影響因子為10.4，分別被SCI中科院和JCR列為一區(qū)TOP期刊。IEEE TNNLS期刊所錄用的論文，必須經(jīng)由知名學者和專家組成的評審團隊的評審，以確保論文具有學術獨創(chuàng)性、科學性和技術深度。

（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）