基于图神经网络（GNN）的假新闻检测

安装 | 数据集 | 模型 | PyG 示例 | DGL 示例 | 基准测试 | 介绍视频 | 如何贡献

本仓库包含了一系列基于图神经网络（Graph Neural Network, GNN）的假新闻检测模型的 PyTorch-Geometric 实现。所有 GNN 模型 均在用户偏好感知的假新闻检测（User Preference-aware Fake News Detection, UPFD）框架下实现和评估。在 UPFD 框架下，假新闻检测问题被实例化为一个图分类任务。

您可以在 CodeOcean 上进行可复现的运行，无需手动配置。

UPFD 数据集及其使用示例也可以在 PyTorch-Geometric 官方仓库中找到。

我们欢迎基于我们数据集贡献现有模型的结果以及新模型的 SOTA（State-Of-The-Art）结果。您可以查看由 PaperWithCode 托管的 基准测试 以了解 SOTA 模型及其性能。

如果您在项目中使用此代码，请引用以下论文：

SIGIR'21 (PDF)

@inproceedings{dou2021user,
  title={User Preference-aware Fake News Detection},
  author={Dou, Yingtong and Shu, Kai and Xia, Congying and Yu, Philip S. and Sun, Lichao},
  booktitle={Proceedings of the 44th International ACM SIGIR Conference on Research and Development in Information Retrieval},
  year={2021}
}

安装

通过 PyG 安装

我们的数据集已集成到官方的 PyTorch-Geometric 库中。请按照 PyTorch-Geometric 的安装说明安装最新版本的 PyG，并查看代码示例了解数据集的使用方法。

通过 DGL 安装

我们的数据集已集成到官方的 Deep Graph Library (DGL) 中。请按照 DGL 的安装说明安装最新版本的 DGL，并查看数据集类的文档字符串了解数据集的使用方法。

手动安装

要运行此仓库中的代码，您需要安装 Python>=3.6、PyTorch>=1.6 和 PyTorch-Geometric>=1.6.1。请按照 PyTorch-Geometric 的安装说明安装 PyG。

其他依赖项可以使用以下命令安装：

git clone https://github.com/safe-graph/GNN-FakeNews.git
cd GNN-FakeNews
pip install -r requirements.txt

数据集

如果您已安装最新版本的 PyG 或 DGL，可以使用其内置的数据加载器来下载和加载 UPFD 数据集。

如果手动安装本项目，您需要通过以下链接下载数据集（1.2GB），并将解压后的数据放置在 \data\{dataset_name}\raw\ 目录下，其中 dataset_name 为 politifact 或 gossipcop。

Google 云端硬盘：https://drive.google.com/drive/folders/1OslTX91kLEYIi2WBnwuFtXsVz5SS_XeR?usp=sharing

百度网盘：https://pan.baidu.com/s/1NFtuwzmpAezNcJzlSlduSw 提取码：fj43

该数据集包含了根据 Politifact 和 Gossipcop 的事实核查信息构建的 Twitter 虚假与真实新闻传播网络。新闻转发图最初由 FakeNewsNet 提取。我们爬取了 FakeNewsNet 中参与虚假新闻传播用户的近 2000 万条历史推文，以生成数据集中的节点特征。

数据集统计信息如下：

数据	#图数量	#虚假新闻数量	#总节点数	#总边数	#平均每图节点数
Politifact	314	157	41,054	40,740	131
Gossipcop	5464	2732	314,262	308,798	58

由于 Twitter 政策限制，我们无法公开分享爬取的用户历史推文。要获取相应的 Twitter 用户信息，您可以参考 \data 目录下的新闻列表和 node_id-twitter_id 映射文件。两个 xxx_id_twitter_mapping.pkl 文件包含了字典，其键为数据集中的节点 ID，值代表对应的 Twitter 用户 ID。对于新闻节点，其值代表 FakeNewsNet 数据集中的新闻 ID。类似地，两个 xxx_id_time_mapping.pkl 文件包含了节点 ID 到其对应推文时间戳的映射。请注意，时间戳为 UNIX 时间戳格式。新闻节点即使在原始的 FakeNewsNet 数据集中也不包含时间戳，您可以在 Twitter 上检索它，或使用其最近的转发时间作为近似值。在 UPFD 项目中，我们使用 Tweepy 和 Twitter 开发者 API 来获取用户信息，爬虫代码可以在 \utils\twitter_crawler.py 找到。

我们在数据集中整合了四种节点特征类型，768 维的 bert 特征和 300 维的 spacy 特征分别使用预训练的 BERT 和 spaCy word2vec 编码得到。10 维的 profile 特征是从 Twitter 账户的个人资料中获取的。您可以参考 profile_feature.py 了解个人资料特征的提取方法。310 维的 content 特征由 300 维的用户评论 word2vec（spaCy）嵌入加上 10 维的个人资料特征组成。

每个图都是一个层次化的树状结构图，其中根节点代表新闻，叶节点是转发了该新闻的 Twitter 用户。如果用户转发了新闻推文，则用户节点与新闻节点之间有一条边。如果一个用户从另一个用户那里转发了新闻推文，则两个用户节点之间有一条边。下图展示了 UPFD 框架，包括数据集构建的详细信息。您可以参考论文获取关于数据集的更多细节。

模型

所有基于 GNN（图神经网络）的虚假新闻检测模型都在 \gnn_model 目录下。您可以根据每个模型的参数解析器中指定的参数对每个模型进行微调。已实现的模型如下：

• GNN-CL: Han, Yi, Shanika Karunasekera, and Christopher Leckie. "Graph neural networks with continual learning for fake news detection from social media." arXiv preprint arXiv:2007.03316 (2020).
• GCNFN: Monti, Federico, Fabrizio Frasca, Davide Eynard, Damon Mannion, and Michael M. Bronstein. "Fake news detection on social media using geometric deep learning." arXiv preprint arXiv:1902.06673 (2019).
• BiGCN: Bian, Tian, Xi Xiao, Tingyang Xu, Peilin Zhao, Wenbing Huang, Yu Rong, and Junzhou Huang. "Rumor detection on social media with bi-directional graph convolutional networks." In Proceedings of the AAAI Conference on Artificial Intelligence, vol. 34, no. 01, pp. 549-556. 2020.
• UPFD-GCN: Kipf, Thomas N., and Max Welling. "Semi-supervised classification with graph convolutional networks." arXiv preprint arXiv:1609.02907 (2016).
• UPFD-GAT: Veličković, Petar, Guillem Cucurull, Arantxa Casanova, Adriana Romero, Pietro Lio, and Yoshua Bengio. "Graph attention networks." arXiv preprint arXiv:1710.10903 (2017).
• UPFD-SAGE: Hamilton, William L., Rex Ying, and Jure Leskovec. "Inductive representation learning on large graphs." arXiv preprint arXiv:1706.02216 (2017).

由于 UPFD 框架构建于 PyG 之上，您可以轻松地在本数据集上尝试其他图分类模型，例如 GIN 和 HGP-SL。

如何贡献

欢迎您通过创建拉取请求（Pull Request）向本仓库提交您的模型代码、超参数和结果。验证结果后，您的模型将被添加到仓库中，结果也将更新到基准测试中。其他咨询请发送邮件至 ytongdou@gmail.com。

GNN-FakeNews 快速上手指南

环境准备

• 操作系统: Linux / macOS / Windows (建议使用 Linux 或 WSL)
• Python: >= 3.6
• PyTorch: >= 1.6
• PyTorch-Geometric (PyG): >= 1.6.1 (或 DGL 最新版)

安装步骤

方案一：通过 PyTorch-Geometric 安装（推荐）

1. 按照官方指南安装 PyTorch 和 PyTorch-Geometric：

   # 首先安装 PyTorch (请根据您的 CUDA 版本选择对应命令)
   # 例如，对于 CUDA 11.3:
   pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
   
   # 安装 PyTorch-Geometric 及其依赖
   # 国内用户可使用清华镜像加速
   pip install torch-scatter torch-sparse torch-cluster torch-spline-conv -f https://data.pyg.org/whl/torch-1.13.0+cu113.html
   pip install torch-geometric
   

   详细安装说明请参考 PyG 官方文档。

2. UPFD 数据集已集成在 PyG 中，可直接使用。示例代码位于 upfd.py。

方案二：通过 DGL 安装

1. 按照官方指南安装 DGL：

   # 例如，对于 CUDA 11.3:
   pip install dgl-cu113 dglgo -f https://data.dgl.ai/wheels/repo.html
   

   详细安装说明请参考 DGL 官方文档。

2. UPFD 数据集也已集成在 DGL 中，使用说明见 fakenews.py 的文档字符串。

方案三：手动安装（用于开发或运行本仓库代码）

1. 克隆仓库并安装依赖：

   git clone https://github.com/safe-graph/GNN-FakeNews.git
   cd GNN-FakeNews
   pip install -r requirements.txt
   

2. （可选）下载数据集： 如果您需要手动管理数据，可以从以下链接下载 UPFD 数据集（1.2GB），解压到 ./data/{dataset_name}/raw/ 目录下（dataset_name 为 politifact 或 gossipcop）。

   • Google Drive: 链接
   • 百度网盘（国内推荐）: 链接 密码: fj43

基本使用

以下是一个使用 PyG 加载数据集并训练一个简单 GCN 模型的最简示例：

import torch
from torch_geometric.datasets import UPFD
from torch_geometric.loader import DataLoader
from gnn_model.upfd_gcn import GCN

# 1. 加载数据集 (PyG 会自动下载)
dataset = UPFD(root='./data', name='politifact', feature='bert', split='train')
print(f'Dataset: {dataset}')
print(f'Number of graphs: {len(dataset)}')

# 2. 创建数据加载器
train_loader = DataLoader(dataset, batch_size=32, shuffle=True)

# 3. 初始化模型
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = GCN(in_channels=768, hidden_channels=128, out_channels=2, num_layers=2).to(device)
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

# 4. 简单的训练循环示例
model.train()
for data in train_loader:
    data = data.to(device)
    optimizer.zero_grad()
    out = model(data.x, data.edge_index, data.batch)
    loss = torch.nn.functional.cross_entropy(out, data.y)
    loss.backward()
    optimizer.step()
    print(f'Batch Loss: {loss.item():.4f}')

关键参数说明：

• name: 数据集名称，可选 'politifact' 或 'gossipcop'。
• feature: 节点特征类型，可选 'bert' (768维), 'spacy' (300维), 'profile' (10维), 'content' (310维)。
• split: 数据划分，可选 'train', 'val', 'test'。

要运行本仓库中提供的完整模型（如 GCNFN, BiGCN 等），请进入 gnn_model 目录，查看各模型文件顶部的参数解析器，并使用如下命令运行：

cd gnn_model
python upfd_gcn.py --dataset politifact --feature bert --epochs 50

更多高级用法和模型细节，请参考仓库中的具体实现和论文。