社交网络虚假新闻检测关键技术研究

Technologies of fake news detection in social network play an important role in protecting the national cyber security. There are some key problems for fake news detection. They are how to combine multi-model information of news in social network, how to model propagation structure of news, and how to design the robust model of fake news detection. We plan to research on the fusion method of multi-model with the representation learning, propagation structure in social network with the attributed network. Then we try to explore the model of fake news detection based on deep learning. The goal is to combine multi-model information of news, mine features of propagation structure of fake news, design robust deep learning model. Technologies of fake news detection will be improved.

社交网络虚假新闻检测技术对于保护国家的网络安全十分重要。针对社交网络中虚假新闻检测的关键问题，即如何融合社交网络新闻的多模态特征、如何建模新闻的传播网络结构、如何设计鲁棒的虚假新闻检测模型，项目组将研究基于表征学习的多模态特征融合方法、基于属性网络的新闻传播网络结构性建模，并在此基础上探索基于深度学习的虚假新闻检测模型，使之不但可以融合多模态的新闻信息，还可以充分挖掘虚假新闻在传播网络方面的结构性特征，设计鲁棒的深度学习模型，促进社交网络虚假新闻检测技术的发展。

社交媒体成为人们了解新闻动态的主要来源。人们在享受社交媒体快速、方便新闻的同时，也经常遇到虚假新闻。虚假新闻会危害国家的网络安全，研究社交媒体虚假新闻检测技术对于保护国家的网络安全变得十分必要。.项目的主要研究内容包括新闻多模态特征表示、新闻传播网络建模和鲁棒的虚假新闻检测模型。.项目的重要结果包括研究发现社交网络新闻多模态内容的表示方法非常重要，有效的表示方法才能提高虚假新闻检测的效果；新闻传播网络的建模需要增量式的图嵌入算法和高效的图处理方法；知识图谱中的知识可以提高虚假新闻检测的效果；为了尽快检测出虚假新闻，少样本条件下鲁棒的模型训练算法十分重要。.项目的关键数据是创建了一个疫情相关的虚假新闻检测的语料库，用于验证主题相关的虚假新闻检测模型的效果。.项目的应用场景是微博、微信平台，平台使用项目成果能够尽快地、准确地检测潜在的虚假新闻，并及时地提醒用户和防止传播。本项目的研究成果还可以用于事件跟踪、观点检测、社交网络分析、多模态信息融合等其他研究领域。