PGCL 基于图对比学习精准捕获传播结构特征的谣言检测方法

一、论文基础信息

1. 英文标题：PGCL: Precisely Capturing Propagation Structure Characteristics via Graph Contrastive Learning for Rumor Detection
2. 中文标题：PGCL：基于图对比学习精准捕获传播结构特征的谣言检测方法
3. 作者：Jiachen Ma, Longjiang Guo (IEEE Member), Lichen Zhang (通讯作者), Zhipeng Cai (IEEE Fellow)
4. 来源期刊：IEEE TRANSACTIONS ON COMPUTATIONAL SOCIAL SYSTEMS (TCSS)（IEEE 计算社会系统汇刊）
5. 时间线
   1. 投稿：2025-12-09
   2. 两次修改：2026-03-14、2026-05-22
   3. 录用：2026-06-03
   4. 版权归属：2026 IEEE

二、研究背景与问题

（一）研究背景

1. 社交媒体谣言（未验证 / 虚假信息）依靠转发快速扩散，易引发公众恐慌、误导舆论、损害个人 / 机构声誉，亟需高效谣言检测模型实现早期阻断。
2. 图对比学习（GCL）凭借自监督特性，能缓解谣言检测中标注数据稀缺的痛点，同时学习结构扰动下鲁棒的图表征，已成为主流方案。
3. 现有 GCL 谣言检测模型分为两大主流范式：图级 GCL、节点级 GCL。

（二）现有 GCL 方法核心缺陷（研究动机）

1. 图级 GCL 缺陷：训练时纳入传播图全部节点；传播树尾部节点多为重复转发、无关评论，携带大量噪声，干扰表征学习，降低模型判别能力。
2. 节点级 GCL 缺陷：谣言传播树同一分支的相邻回复语义高度相似，但节点级 GCL 强制将邻居节点设为负样本，在向量空间拉开距离，违背传播语义规律，破坏层级扩散模式的一致性。
3. 现有改进类 GCL（RAGCL、PFNC、GACL 等）仅优化图增强策略（中心性扰动、对抗变换、表征解耦），未针对谣言分层树状传播结构定制专属 GCL 框架，无法同时解决上述两大痛点。

（三）核心研究问题

如何设计适配谣言分层传播树的全新图对比学习范式，同时消除图级 GCL 尾部噪声干扰、节点级 GCL 相似邻居误设负样本的问题；在标注稀缺场景下学习兼具鲁棒性、区分度的传播表征，同时降低训练内存与时间开销，提升谣言检测精度与早期预警能力。

三、IV. METHODOLOGY

A. Overview 模型总览

1. 整体三阶段流水线：
   1. 关联节点聚类：将整张传播图划分为无重叠节点簇，基于层 + 度规则筛选每簇代表性中心节点，构建保留局部语义 + 全局源帖路径的子传播子图；
   2. 中心交换数据增强：仅交换子图的中心节点，不改动原图拓扑，生成结构多样、语义一致的增强视图；
   3. 多目标联合损失优化：总损失融合事件分类交叉熵、仅中心节点对比损失、层一致性正则损失，学习稳定、可区分的传播表征。
2. 完整训练流程见 Algorithm 1：遍历训练轮次→遍历每条谣言事件→聚类分簇→选择中心节点→构造子传播子图→中心交换生成增强视图→双层 GCN 编码原图与增强图→计算三类损失→反向传播更新模型参数。

B. Related Nodes Clustering 关联节点聚类

1. 传播树同一扩散分支节点语义高度相近，聚类将庞大冗余原图拆分为紧凑局部子簇，便于后续提取局部核心传播特征；
2. 数学定义：对传播图$G_i$，聚类算子将节点集$V_i$划分为$k$个互不相交簇$S_{i,1},S_{i,2},...,S_{i,k}$，簇节点并集等于原图全部节点，簇间无交集；
3. 簇数约束：$k=\max(1, \min(k_{init},|V_i|))$，防止簇数过大 / 过小；
4. 聚类作用：为中心节点选取提供分组边界，保证每个子传播子图对应独立局部扩散区域。

C. Source Path Sampling 源路径采样（3 个子步骤）

本模块基于聚类结果构建以中心节点为核心的子传播子图，分为中心节点选择、T 跳邻域采样、拼接源帖路径三步。

1. Center Node Selection 中心节点选择

   谣言分层扩散特性：靠近源帖的低层节点传播影响力更强，但节点度低；深层节点度高但远离源头、噪声多。设计超参$\tau$平衡两层因素：

   1. $v_{def}$：簇内层号最小节点，同层内选取度最大者；
   2. $v_{max}$：簇内全局度最大节点（不限层级）；
   3. 判定规则：$v_{center}= \begin{cases}v_{max} & deg(v_{max}) \geq \tau \cdot deg(v_{def}) \\ v_{def} & otherwise \end{cases}$
   4. $\tau$超参：控制层位置与节点度的权重，是平衡源帖相关性与节点传播影响力的关键。
2. Neighborhood Sampling and Source Node Addition 邻域采样与源路径拼接
   1. T 跳邻域：提取中心节点 T 跳可达所有节点$\mathcal{N}^{(T)}(v_{center}^j)$，捕获局部上下文；
   2. 源帖路径$\mathcal{P}(s_i \to v_{center}^j)$：源帖到中心节点的最短有向路径，保证子图保留全局溯源依赖；
   3. 子图构造：$\tilde{G}_{j}=\mathcal{N}^{(T)}(v_{center}^j) \cup \mathcal{P}(s_i \to v_{center}^j)$；
   4. 去重规则：所有子图无重叠，每个节点仅归属 1 个子图；低层中心优先采样，同层按索引升序；已分配节点不再加入后续子图；
   5. 输出完整子图集：$G_{i}^{*}={\tilde{G}_{1}, \tilde{G}_{2}, ..., \tilde{G}_{k}}$，完整覆盖原图全部节点。

D. Center Exchange Augmentation 中心交换增强

不修改传播图原始拓扑，仅交换子图中心节点生成增强视图$G_{i}^{**}$，提供两种交换策略控制扰动强度，兼顾结构多样性与语义一致性：

1. Within-Level Exchange 同层交换 按节点层级$h$分组中心节点，同层随机配对；以$p_{within}$概率交换配对中心；仅同层级互换，传播深度不变，扰动幅度小。
2. Cross-Level Exchange 跨层交换 不限层级随机选取中心配对，以$p_{cross}$概率互换；扰动幅度更大，迫使模型学习跨层级不变表征；虽打破真实时序因果，但仅作为对比学习视图，原图用于分类，不影响任务有效性。
3. 输出增强子图集：$G_{i}^{**}={\hat{G}_{1}, \hat{G}_{2}, ..., \hat{G}_{k}}$，与原图$G_i^*$构成对比学习正负视图对。

E. Propagation Structure Encoding 传播结构编码

采用双层 GCN 完成节点嵌入与子图全局表征提取：

1. GCN 节点嵌入公式： $H_{j}^{(l+1)}=\sigma\left(\tilde{D}_{j}^{-\frac{1}{2}} \tilde{A}_{j} \tilde{D}_{j}^{-\frac{1}{2}} H_{j}^{(l)} W^{(l)}\right)$
2. $\tilde{A}_j=A_j+I$（自环邻接矩阵），$\tilde{D}_j$为度矩阵，$W^{(l)}$可学习权重，激活函数 ReLU；初始输入$H_j^{(0)}=X_j$（BERT 文本节点特征），两层 GCN 输出最终节点嵌入$H_j^{(2)}$。
3. 图级读出函数（均值池化）： $z_{j}=Readout\left(H_{j}^{(2)}\right)=\frac{1}{\left|V_{j}\right|} \sum_{v \in V_{j}} H_{j}^{(2)}(v)$ 输出单个子传播子图的全局表征。

F. Training Process 训练损失（三类损失分项）

总损失融合分类监督、中心对比自监督、分层语义正则，实现多信号协同优化：

1. Event-Level Cross-Entropy Loss $\mathcal{L}_{CE}$ 事件级交叉熵损失 聚合所有子图表征得到整条谣言事件的全局向量，经全连接 + Softmax 输出类别概率；批量内计算预测标签与真实标签的交叉熵，是谣言分类任务核心监督信号。
2. Center-Only GCL Loss $\mathcal{L}_{GCL}$ 仅中心节点对比损失（核心创新） 摒弃传统全节点对比，仅提取原图、增强视图的中心节点嵌入做 InfoNCE 对比：
   1. 提取中心嵌入$z_{center }^{*}, z_{center }^{**}$，投影头归一化得到$p^{*}, p^{**}$；
   2. 正负样本定义：原图中心与增强图对应中心为正样本对；当前中心与其余所有中心为负样本；
   3. 双向对称 InfoNCE 损失，温度$$控制相似度分布平滑度；仅聚焦高信息中心节点，过滤尾部噪声节点带来的干扰。
3. Layer-Consistency Loss $\mathcal{L}_{LC}$ 层一致性损失 实验证实同层节点语义相似度显著高于跨层，设计分层正则约束：
   1. 计算每层所有节点平均嵌入$\mu_{i}^{\ell(u)}$；
   2. 所有中心节点嵌入与自身层级均值做 L2 距离求和取平均，得到正则损失；
   3. 区别于边平滑正则，按传播层级约束，属于轻量温和正则，适配谣言分层扩散结构。
4. 整体联合损失： $\mathcal{L}_{total }=\mathcal{L}_{CE}+\lambda_{GCL} \cdot \mathcal{L}_{GCL}+\lambda_{LC} \cdot \mathcal{L}_{LC$ $\lambda_{GCL}、\lambda_{LC}$为超参，平衡对比损失与层正则的权重。

G. Theoretical Analysis 理论有效性分析

从三个维度解释 PGCL 性能优势：

1. 降噪：仅中心节点参与对比学习，过滤尾部低信息、噪声节点，表征学习更稳定；
2. 结构区分度：中心交换增强生成拓扑相同、中心不同的多视图，模型忽略微小结构扰动，聚焦扩散模式本质差异；
3. 语义一致性：层一致性损失约束同层节点表征聚拢，匹配谣言分层扩散的语义规律，精准捕捉层级传播关系。

H. General Learning Principle 通用学习准则

PGCL 抽象为分层扩散图锚点式 GCL 通用范式：针对层级传播图中标准 GCL 的固有缺陷，选取代表性中心锚点执行对比学习；规避尾部噪声、相似邻居误设负样本两大问题；范式可泛化至信息级联、传播预测等同类分层扩散任务。

四、 EXPERIMENTS 

A. 数据集、实验设置、基础超参分析

1. 三大公开基准数据集
    
   1. 节点特征：单条帖子文本经 BERT 编码作为节点属性；传播拓扑由回复、转发关系构建有向树。
2. 实验环境与评估指标
   1. 框架：PyTorch；5 折交叉验证；评价指标：Acc 准确率、Prec 精确率、Rec 召回、F1 值；
   2. 基础训练参数：初始学习率 5e-4，衰减系数 1e-4；默认使用跨层中心交换增强。
3. 基础超参初始值与设计逻辑
   1. $\tau=1.6$：层 - 度平衡系数，过小偏向源帖低层节点、过大偏向深层高噪节点；
   2. $k=5$：聚类簇数，簇数过少子图冗余、过多碎片化丢失传播语义；
   3. $T=3$：邻域采样跳数，跳数过小缺失上下文、过大引入尾部噪声；
   4. $p_{cross}=1.0$：跨层交换概率，提供充足结构扰动。

B. Baselines 基线模型（分三类）

1. 传统机器学习（无图建模） DTC 决策树、SVM-TS 时序 SVM：仅依赖人工统计特征，无法建模传播层级结构，整体效果垫底。
2. 纯监督 GNN 模型 RvNN 递归树神经网络、BiGCN 双向图卷积、PLP-SSAF 传播链路预测融合、RDEA 基础 GCL 模型；完全依赖标注数据，标注稀缺场景鲁棒性差。
3. SOTA 图对比学习 GCL 模型 GACL 对抗图对比、PFNC 多视图 CNN 融合、RAGCL 节点中心性引导增强、AD-GSCL 不平衡数据适配、RERG 嵌入冲突优化；均为通用图级 / 节点级 GCL，未适配谣言分层传播结构。

C. 主实验：谣言检测整体性能对比

1. 实验内容：PGCL 与全部基线在 3 个数据集完成四分类 / 二分类任务，对比准确率、各类别 F1 分数；
2. 核心实验结果： 1）传统机器学习效果最差；纯 GNN 优于传统 ML，但弱于所有 GCL 模型；现有 SOTA GCL 基线性能优秀，但 PGCL 在全部数据集、全部指标取得最优结果； 2）Twitter15：PGCL 准确率 0.906，相较次优模型 RERG 提升 2.60%，假谣言 F1 分数 0.965 大幅领先基线； 3）Twitter16：PGCL 准确率 0.933，相较次优模型提升 1.30%，四类样本 F1 全面最优； 4）PHEME 二分类：PGCL 准确率 0.852，提升 2.04%，谣言召回 F1 提升 3.70%；
3. 实验结论：针对谣言分层传播结构定制的 PGCL 范式，相比通用 GCL、传统 GNN、机器学习具备显著性能增益，验证整套框架的有效性。

D. 效率复杂度实验（内存 MEM、训练耗时 TIME）

1. 实验内容：统一训练轮次下，对比 PGCL 与 GCL 基线的单轮训练内存占用、训练时长；
2. 实验结果：PGCL 内存、训练耗时远低于所有基线：
   1. Twitter15：内存降低 81.8%，训练时间降低 78.9%；
   2. Twitter16：内存降低 84.0%，训练时间降低 85.1%；
   3. PHEME：内存降低 78.7%，训练时间降低 71.5%；
3. 原理结论：仅中心节点参与对比学习，大幅缩减对比样本数量，消除全节点冗余计算；分类分支仍使用完整传播图表征，在不损失精度的前提下大幅降低计算开销。

E. 消融实验 Ablation Study（验证各模块贡献）

1. 四组消融变体，逐一移除核心创新模块：
   1. PGCL-center：随机选取中心节点，取消层 - 度平衡筛选规则；
   2. PGCL-source：构造子图时删除源帖传播路径；
   3. PGCL-gcl：取消仅中心对比，采用传统全节点 GCL；
   4. PGCL-consistency：移除层一致性损失$\mathcal{L}_{LC}$；
2. 实验结果：所有变体性能均低于完整 PGCL；性能衰减幅度排序：PGCL-gcl（降幅最大）> PGCL-center > PGCL-source > PGCL-consistency（降幅最小）；
3. 结论： 1）仅中心节点对比是模型最核心创新，全节点 GCL 引入尾部噪声会严重损害检测精度； 2）层 + 度联合筛选中心、保留源帖传播路径是构建有效子传播子图的关键； 3）层一致性损失属于轻量正则，小幅稳定层级语义表征，辅助提升整体精度。

F. 聚类方法对比实验

1. 对比 4 种聚类算法：Degree 度聚类、K-Means、GMM 高斯混合模型、Spectral 谱聚类；指标为 Acc、训练时间、内存占用；
2. 实验结果：Degree 按节点度聚类准确率最高、训练速度最快；GMM 精度次之但训练结果存在波动；K-Means、谱聚类耗时显著更高；
3. 结论：度聚类兼顾精度与训练效率，选为模型默认聚类方法；PGCL 对聚类算法不敏感，更换其他聚类方案仍优于传统 GCL 基线。

G. 早期谣言检测实验

1. 实验设置：截取谣言发布后 0/10/20…120 分钟的局部传播片段，模拟传播初期仅少量转发的预警场景；
2. 实验结果：0 分钟仅源帖时所有模型精度偏低；10 分钟后全部模型性能上涨，PGCL 在全部时间节点稳定超过基线；传播信息稀缺的早期场景鲁棒性更强；
3. 结论：中心节点聚焦核心传播信息，即使传播树未完全生长，仍能提取高区分度特征，适配谣言早期预警业务场景。

H. 超参敏感性分析

1. $\ta$层度平衡系数：$\tau\in[1.6,2.0$性能最优；过小偏向源帖低层、过大偏向深层高噪节点；
2. $p_{within}/p_{cross$交换概率：$p_{cross}=1.$效果最佳，跨层交换提供充足对比扰动；同层交换取适中概率最优；
3. 簇数$$、邻域跳数$$：$k=4/$、$T=$时性能达到峰值；簇过多碎片化语义、过少包含噪声；跳数过小缺失上下文、过大引入尾部无效节点；
4. 损失权重$\lambda_{GCL}/\lambda_{LC$：对比损失、层正则权重需平衡，任一权重过大会主导训练、损害分类精度；不同数据集最优权重存在小幅差异。

I. 语义相似度分析（支撑核心设计动机）

1. 两组相似度验证实验： ① 同层节点 vs 跨层节点 BERT 语义相似度：三数据集同层相似度（0.887/0.902/0.898）显著高于跨层（0.722/0.780/0.802），证明同层节点天然语义相近，层一致性损失具备底层语义支撑； ② 各中心节点间平均语义相似度仅 0.667~0.695：中心负样本语义区分度高，极少出现假负样本，仅中心对比的负样本设置逻辑合理，无严重语义冲突；
2. 结论：从数据语义层面验证本文两大核心设计（层一致性正则、中心节点作为对比锚点）的合理性。

五、论文核心贡献、整体结论与局限性

（一）三大核心贡献

1. 范式创新：提出适配谣言分层传播树的全新 GCL 框架 PGCL，一次性解决传统图级 GCL 尾部噪声干扰、节点级 GCL 相似邻居误设负样本两大固有缺陷；
2. 完整中心节点学习流水线：提出一套配套创新模块，包含关联节点聚类、层 - 度平衡中心选取、中心交换图增强、仅中心对比损失、层一致性分层正则；
3. 全方位实证验证：在 Twitter15、Twitter16、PHEME 三个公开数据集开展大量实验，PGCL 全面超越现有 SOTA 基线；同时从训练效率、消融、聚类、超参、语义相似度、早期检测多维度验证各模块有效性。

（二）论文整体结论

PGCL 通过中心节点聚焦传播核心高信息区域，中心交换增强扩充结构对比视图，层一致性损失约束层级语义一致性；在谣言检测任务同时实现分类精度提升与训练内存、耗时大幅降低，适配标注稀缺、早期预警等真实社交媒体业务场景。

（三）模型局限性

1. 性能依赖聚类、中心节点选取质量，不同数据集分布下效果存在小幅波动；
2. 层一致性损失存在表征过度平滑风险，辟谣、质疑类异常回复会被强制向层级均值靠拢；
3. 当前仅支持纯文本传播结构，无法处理图片、视频等多模态谣言。

（四）未来工作方向

1. 设计自适应聚类与动态中心选择策略；
2. 探索可学习式图增强方案，替代固定概率的中心交换；
3. 扩展 PGCL 框架，支持图文、短视频等多模态谣言检测任务。