基于树结构递归神经网络的twitter谣言检测_基于递归神经网络的虚假新闻检测研究与实现的主要任务

Rumor Detection on Twitter with Tree-structured Recursive Neural Networks，Majing（2018ACL）

主要内容

提出一个基于递归神经网络（RvNN）的谣言检测方法，桥接内容语义(RNN)和传播线索(传播树)。与解析不同，本文模型的输入是源于原帖子的传播树，而不是单独句子的解析树。帖子的内容语义以及他们之间的响应关系可以通过沿树结构的特征递归学习过程来捕获。

主要贡献

• 第一个基于树结构递归神经网络深度集成内容语义和深度语义来实现谣言检测的研究。
• 提出基于自上而下、自下而上的树状结构的RvNN的两个变体，捕获谣言的结构和文本特征，对claim生成更好的集成表示。

问题陈述

• C={C₁,C₂, …C_|C|}, 每个C_i对应一个原推文及其所有相关的响应推文，即C_i={ r_i,x_i1,x_i2,…x_im}, 推文是按顺序进行标注的，但推文之间的连接是基于回复或转发关系的，可以形成传播树结构。
• 使用监督学习方法，Y_i分成四类：非谣言、假谣言、真谣言、未经验证的谣言。
• 两种树结构

1. 自底向上（bottom-up）：响应节点指向被响应节点，未被响应的节点作为叶节点，