中山大学2022年本科生论文“基于注意机制和图卷积神经网络的多任务谣言检测”的

# BERT-BiGCN & MSA-BiGCN 这个仓库是中山大学2022届本科生毕业论文《基于注意力机制和图卷积神经网络的多任务谣言检测》后续优化的代码实现。原论文的代码实现和baseline运行代码在master分支。 基于以前的工作： 1. 我们改为使用BERT做为编码器，获得词向量和句向量，随后接入BiGCN或Self-Attention以完成谣言检测和立场分类任务。 2. 我们重新整理了数据集，摒弃了旧repo中所有信息塞入JSON文件的做法，改用更规整，更直观的文件存储方式。 3. （TODO）我们将同步调整MSA-BiGCN的代码库，使其适配现在的数据集，采用和现模型相同的训练过程，以便比较。 ### 仓库结构 ``` MSA-BiGCN ├── BERT-BiGCN ├── MSA-BiGCN ├── README.md ├── datasets │ ├── PHEME │ └── semeval2017-task8 ├── log // 可选，用于存放训练记录 ├── model // 可选，用于存放模型文件 └── requirements.txt ``` ### Python库依赖 Python版本`python >= 3.8 ` 可通过一下指令安装依赖环境 ```shell $ pip install -r requirements.txt ``` ### datasets dataset文件中包含了[SemEval](https://alt.qcri.org/semeval2017/task8/index.php?id=data-and-tools)/[PHEME](https://figshare.com/articles/dataset/PHEME_dataset_for_Rumour_Detection_and_Veracity_Classification/6392078)处理后的数据集。其中PHEME数据集所有数据整合在`datasets/PHEME/all`目录下，SemEval数据集按照原数据集的任务分类分别整理在`data/semeval2017-task8/traindev`和`data/semeval2017-task8/test`内。以SemEval数据集为例，文件含义如下： ``` semeval2017-task8 ├── README.md ├── getDataSet.ipynb // 处理数据集的代码 ├── process.py // 处理数据集的代码 ├── rumorCategory.json // 谣言检测的类别字典 ├── stanceCategory.json // 立场分类的类别字典 ├── test │ ├── post_id.txt // 语料中post的id列表，每行存放一个post id │ ├── post_label.txt // 每个post的立场标签，与post id一一对应，PHEME数据集没有此文件 │ ├── posts.json // 以"post_id: time, text"键值对存储的post信息 │ ├── structures.json // 以"thread_id: structure"键值对存储的thread传播树结构 │ ├── thread_id.txt // 语料中thread的id列表，每行存放一个thread id │ └── thread_label.txt // 每个thread的立场标签，与thread id一一对应 ├── traindev │ ├── post_id.txt │ ├── post_label.txt │ ├── posts.json │ ├── structures.json │ ├── thread_id.txt │ └── thread_label.txt └── utils.py ``` ### BERT-BiGCN 使用huggingface库提供的BERT接口实现嵌入功能的模型，详细更改参考目录下`README.md`。（尚未更新） ### MSA-BiGCN 使用glove词嵌入和Self-Attention实现词和文本的嵌入功能的模型版本，详细更改参考目录下`README.md`。（尚未更新）