来源：期刊VIP网 时间：
作者：潘杰;王娟;王楠;
单位：中国人民警察大学智慧警务与大数据技术研究中心;
摘要：针对社交网络谣言检测模型存在边关系含噪声、缺乏多尺度特征聚合以及节点表征过度平滑的问题，提出一种融合自适应边权重与层级专家混合的图神经网络模型ERLMGcn。先以BERT提取文本表示，并对元数据采用通用策略编码；随后将二者拼接并线性投影为统一节点特征。在每层GCN中引入自适应边属性机制，在信息传递时突出重要的传播链路并减少噪声的影响；通过门控网络对不同卷积层的节点表示沿层级维度进行选择性聚合，从而同时捕获局部和全局特征并缓解过度平滑。在Ma＿Weibo与CED＿Dataset上开展对比与消融实验，与最优图基线模型相比，该模型在两个数据集的准确率分别提升8.43%与3.39%，在其他指标上也均有一定的性能提升。消融结果验证了边权重自适应与层级专家门控机制对于模型的贡献程度，该模型为中文社交媒体谣言检测提供了有效方案。
关键词：谣言检测;;图神经网络;;新浪微博;;专家混合;;层级融合;;图卷积网络;;自适应边属性;;谣言识别
基金资助：河北省社会科学基金项目：大数据驱动的京津冀社会安全风险计算与智能决策（HB22SH011）
