来源：期刊VIP网 时间：
作者：王军;马小越;付红静;
单位：郑州航空工业管理学院大数据科学研究院;河南日报社;
摘要：为了能够及时准确地识别社交媒体平台上的虚假新闻，构建了一种基于BGMA(BERT-GAT mulit-head attention, BGMA)的虚假新闻检测模型。BGMA模型首先利用BERT(bidirectional encoder representations from Transformer, BERT)模型提取文本内容的语义特征，其次，使用GAT(graph attention network, GAT)模型捕捉用户行为之间的复杂关联和动态变化。最后，通过引入多头注意力机制对两种特征进行加权融合。研究结果表明，BGMA模型检测性能与基于内容的多个模型中表现较好的BERT-LSTM模型相比，在PolitiFact数据集上准确率提升了4.06%,在GossipCop数据集上准确率提升了19.73%。与基于用户特征的多个模型中表现较好的GCNFC模型相比，在PolitiFact数据集上准确率提升了10.59%,在GossipCop数据集上准确率提升了10.47%。通过实际测试证明了BGMA模型能够有效结合文本特征和用户特征，并达到较好的虚假新闻检测效果。
关键词：虚假新闻检测;;图注意力网络;;多头注意力
基金资助：河南省科技攻关项目(222102210292);; 河南省科技智库调研项目(HNKJZK-2021-61C)
