【论文阅读】Embracing Domain Differences in Fa _特征选择

是新闻 r 发布的时间；
是新闻的文本内容；
是新闻 r 在时间
内的传播网络（）。本文将
设置为一个较低的值，5个小时，以评估本文模型早期检测的性能。
每一个传播网络
都是一个有向的属性图（garph），包含
，其中节点
代表新闻 r 的原始推文和转发推文，边
代表推文之间的转发关系，
是所有节点的属性集合。
本文包含两个子任务，（1）从新闻集合 R 中选择一部分新闻实例
来打标签，用 B 来限制这部分实例的数目。打标签的过程就是为每一个新闻 r 分配一个二元标签
(1表示假，0表示真) 。（2）基于上述有标签的数据
学习一个有效的模型，能够预测无标签的新闻集合

文章插图
中每一个新闻的标签。这里的
不局限于某一个领域（）。
为了实现上述领域多样的数据集，本文将三个不同领域的数据集混合起来构成 R （详见实验部分）。
无监督的领域发现
本文首先用无监督的方法学习新闻的所属领域(r)，用一个低维的向量表示（这部分其实就是对每一个新闻做领域聚类，确定每一个新闻所属的领域。但是不同于一般的用离散值表示不同聚类簇的方式，比如0，1，2分别代表三个不同的簇，本文用一个向量表示一个领域，这个向量就是）。
具体步骤如下面的算法1中1-9行所示。可表述为：
（1）首先对每一个新闻 r 构建一个集合
【【论文阅读】Embracing Domain Differences in Fa】，包含 r 的传播网络
中的所有用户，以及 r 的新闻内容
中的所有单词。
（2）针对集合
中的每两个数据，构建一个有权重的边将它们连接起来；
（3）重复上述（1）（2）步，直到所有新闻都处理完成，就得到了最终网络 G 。
然后本文使用一个不需要参数的社区发现算法，算法检测网络 G中的社区。然后就得到了G的社区划分C（可以理解为就是对G中所有节点进行聚类，得到若干簇，这个簇的集合是 C），本文认为每一个类别C中的所有节点是属于同一个的，而不同类别C下的节点属于不同的（这个C相当于一个聚类的伪标签，代表每一个新闻属于哪一个领域）。
得到了每一个新闻的所属的伪标签之后，接下来就计算每一个新闻所属的低维向量表示了，就是(r) 。具体过程如下面公式1，2所示。
以前的方法多用单个的离散值表示新闻所属领域，但是一个新闻可能属于多个不同领域，所以本文这种用概低维概率向量表示 (r) 的方式更好。
领域无关的新闻分类
针对一个新闻 r 的输入表示 (r) （这个表示的获取方法见实验部分），本文的模型分别学习到新闻的领域特定表示和跨领域表示，然后从这两个表示中重构出新闻的真假标签和输入表示 (r)，这两个重构loss（公式3和4）就作为本文模型总loss的一部分。
具体而言，新闻的领域特定表示通过下面的公式与上面获取的新闻所属领域(r)关联起来。是一个解码器函数用于重构新闻的所属领域。

文章插图
另一方面，新闻的跨领域表示通过公式6获取。是一个解码器函数用于预测新闻的所属领域，同时训练函数来欺骗编码器使它无法准确预测出新闻的所属领域（就是GAN的思路，用最大最小对抗训练）。通过这种方式来学习新闻的领域无关特征，也就是跨领域的特征。
最终，本文的模型的损失函数由上面的4个loss构成：