计算机工程

作者：马满福, 陈嘉豪, 李勇, 张聪

单位：西北师范大学计算机科学与工程学院, 甘肃 兰州 730070

关键词：谣言检测,新浪微博,信息传播,特征融合,图注意力网络

基金：国家自然科学基金(72364033); 甘肃省科技计划项目(23JRZA397); 西北师范大学高校重大科研项目培育计划项目(NWNU-LKZD2021-06)

传统的图神经网络(GNN)模型缺乏对节点之间复杂关系的建模能力, 且对大规模图的处理能力较弱, 无法有效地从大规模图中提取代表性的子图, 由此导致训练和推理的精确率不高。为此, 提出一种基于改进图注意力网络(GAT)的多特征融合谣言检测模型MFLAN。首先, MFLAN通过加入带有注意力机制的特征融合方法, 为每个特征赋予不同的权重, 对原始特征进行加权求和操作, 获得融合后的特征向量; 其次, 加入正值位置编码, 使模型可以获取位置信息表示; 然后, 引入可学习的参数矩阵, 使得模型在训练过程中自动地学习和优化参数值; 最后, 对注意力分数进行稀疏化, 将大规模图中部分不重要节点的注意力置为0, 以此实现MFLAN模型。实验结果表明, MFLAN模型在Ma-Weibo和Weibo23数据集上的准确率分别达到97.71%和97.10%, 相较于Dir-GNN模型分别提升1.07%和1.12%, 与其他谣言检测模型相比, MFLAN各项性能指标均有提升。

来源：2025年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第8期