基于增强的双向树表示的推特谣言立场检测模型

杨利君,滕 冲

(武汉大学 国家网络安全学院 空天信息安全与可信计算教育部重点实验室，湖北 武汉 430040)

0 引言

随着互联网的飞速发展，未经证实的信息传播速度非常快，尤其是在微博、Twitter这样的社交媒体上，越来越多的用户喜欢在网上浏览、转发热点信息，并发表自己的观点，从而使得谣言和虚假信息得以广泛传播[1]。谣言会引起公众恐慌和社会动荡，而有效检测谣言和扼制谣言的传播有助于社会的安定和健康发展，具有重要的现实意义[2]，因此大量针对社交网络上的谣言自动检测研究开始出现[3-6]。一些学者指出，从谣言所引发的讨论中挖掘出用户的立场，有助于确定该谣言的真实性[7]。所以，近年来，谣言立场检测任务也得到了越来越多的关注。

谣言立场检测旨在利用自然语言处理技术，分析用户发表的文本，挖掘出其对谣言的支持、反对或者中立的态度。Twitter等社交媒体上的评论通常以嵌套的对话形式出现，具有时序性和结构性，而且文本也具有简短、用词不规范、表达灵活、常采用反讽和隐喻等修辞手法的特点，往往需要利用更广泛的语境识别有效特征，以便于推断文本立场[8]。已有的方法证明，利用对话中的传播信息有助于提升立场检测的效果[9]。然而，以往的模型仅考虑对话中的局部上下文信息，例如，交互(评论或回复)的推文、时间线上相邻的推文，而忽略了全局信息，而且传播方向也是单一的。目标推文不仅依赖于所回复的文本内容，其下方回复的评论对目标推文也有一定的影响，例如，支持或评论类型的回复能够增强目标推文的立场，而否定和询问类型的回复则会削弱目标推文的立场。……