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》代码实现及baseline代码汇总。
仓库结构如下：
MSA-BiGCN：
- BiGCN：BiGCN模型的开源代码及原论文
- DualHierarchicalTransformer： CHT/HT模型的开源代码及原论文
- MSA-BiGCN：MSA-BiGCN/MSA-BiGCN-rws模型的实现代码
- MT：MTUS/MTES模型的实现代码及原论文
- dataset：实验中用到的处理好的数据集，包括SemEval和PHEME
Python版本python 3.8.12
使用到的库：
tqdm 4.62.3
numpy 1.21.2
pytorch 1.10.2
scikit-learn 1.0.2
torch_geometric 2.0.3
dataset文件中包含了SemEval/PHEME处理后的数据集，以Json文件形式存储。若希望重新生成数据集，需要将数据集源文件下载到对应目录下，解压，并运行getDataset.ipynb中的所有单元格。（SemEvalRemake数据集是SemEval数据集的重新划分，在本文实验中并没有使用到）
**注意：**本数据集中不包含glove预训练词向量文件。正确运行模型代码需要确保dataset/glove/目录存在。并且在目录中下载glove.twitter.27B源文件，并运行fix.py。
MSABiGCN.py中包含了模型的实现在文件，train.py是多任务学习的训练代码，trainOnlyRumor.py是仅进行谣言检测单任务学习的代码。
如果要运行多任务谣言检测请执行
python train.py --dataPath ../dataset/semeval2017-task8/ --logName ./log/final/needNoStance/orign/25w2v-64s2v-64hidden-0.2dropout-0.001000weight.txt --savePath ./model/final/needNoStance/orign/25w2v-64s2v-64hidden-0.2dropout-0.001000weight.pt --device cuda:0--dataPath是必须的参数，指定使用哪一个数据集，其余默认参数请参考源代码。--device参数可以指定运行设备。--logName和--savePath分别是保存记录和模型的路径，如果使用默认参数，请保证已建立log/和model/目录。--needStance参数决定了是否使用立场分类任务到谣言检测任务的连接，默认值是True，使用值False可以取消连接。
trainOnlyRumor.py代码可以运行单任务谣言检测的模型训练，参数和train.py是相似的。
运行runNeedStance.sh、compareNeedStance.sh、compareNeedNoStance.sh、runOnlyRumorPHEME.sh和runOnlyRumorSemEval.sh脚本可以进行网格搜索。若需筛选参数，可以使用result.ipynb中提供的代码。
log_copy/目录中给出了运行实验中的一些实验结果，以Json形式保存，将目录更名为log可直接使用result.ipynb画图。
model中包含了模型的实现在文件，train.py是多任务学习的训练代码，trainOnlyRumor.py是仅进行谣言检测单任务学习的代码。使用的参数和MSA-BiGCN是相似的，详细的默认参数请参考源代码。
运行run脚本将得到MTUS/MTES模型的实验结果。
本仓库的实验环境是兼容BiGCN的实验的，其余请参考BiGCN模型中的readme.md文件。
我们适配SemEval数据集和PHEME数据集到BiGCN模型中，通过运行data/SemEval/和data/PHEME/中getset.ipynb中的所有单元格，可以获得适配BiGCN数据处理源代码的数据集文件。
在BiGCN目录下，终端运行：
python ./Process/getSemevalgraph.py
python ./Process/getPHEMEgraph.py处理数据集。
运行：
python ./model/SemEval/BiGCN_SemEval.py 100
python ./model/PHEME/BiGCN_PHEME.py 100在实验用的两个数据集中训练BiGCN模型。
DHT模型已经包含了适配的SemEval数据集和PHEME数据集，运行方法请参考目录下README.md文件。