虚假新闻检测论文阅读（二）：Semi-Supervised Learning and Graph Neural Networks for Fake News Detection

论文标题：Semi-Supervised Learning and Graph Neural Networks for Fake News Detection
论文来源：IEEE 2019

#基于新闻文本、#半监督、#图结构

一、文章动机

1、数据标签通常非常模糊和稀疏，故选择半监督检测方法；
2、图模型富有表现力，能够捕获文章之间的上下文依赖关系，从而缓解标签不足的问题。

二、框架

1、使用词嵌入获得文章在低维中的向量表示；
2、通过基于图的表示方案捕获文章之间的上下文相似性；
3、在有限的标记数据上利用图神经网络进行分类任务。

三、模型组成

1、文章的向量表示：基于预先训练的Glove词嵌入，计算文章中出现单词的平均向量；
2、文章之间相似性图的构建：文章作为图的节点，根据embedding space中的欧几里得距离寻找k-nearest neighbours，构建连边；
3、分类：使用两种图神经网络方法，GCN和AGNN（注意力图神经网络）。

四、实验结果

数据集中共有150个标注的文章，75真，75假。

这篇论文是2019年，（一）论文是2021年，但其实这样看来，2021年的那篇论文并没有什么太大的创新，仅仅在计算相似性上利用了WMD算法，且在公开的几个数据集上进行实验，取得了较好的结果？？