计算机与信息工程系6月科研分享交流会

为进一步促进了系内教师之间的学术交流，激发了大家对图神经网络与虚假信息检测等前沿方向的深入思考。2026年5月19日下午四点，计算机与信息工程系全体教师在系会议室召开科研分享会。本次会议由刘雨心老师主讲，围绕其研究成果“元路径增强的异构图注意力虚假评论检测模型”进行了深入分享与讨论。

本次分享会上刘雨心老师首先介绍了研究的动机。她指出现有虚假评论检测研究大多仅依赖评论文本这一种类型的数据，忽略了评论、评论者与商品之间潜在的结构化关系和丰富语义信息。为此，她提出了一种名为MHGAN（元路径增强的异构图注意力模型）的创新方法。

在主要创新方面，刘老师详细阐述了MHGAN模型的两个核心机制：节点级注意力和元路径级注意力。节点级注意力用于评估邻居节点的重要性，聚合最有意义的邻居信息；元路径级注意力则自动学习不同元路径的权重，从而构建更全面的节点表征。此外，模型中引入的“虚拟元路径”进一步增强了评论、评论者与商品之间的语义交互。

刘老师还展示了在不同数据集上的实验结果，包括酒店、餐馆、YelpNYC和YelpZip等。实验结果表明，MHGAN在准确率、召回率、F1值、AUC等指标上均显著优于现有基准方法。特别是在YelpNYC和YelpZip数据集上，虚拟元路径对模型性能起到了关键作用，去除后模型平均性能下降约5%。此外，可视化分析与参数敏感性分析也进一步验证了模型在区分虚假与真实评论方面的有效性和可解释性。

在总结与展望部分，刘老师提出了未来研究的方向，包括：自适应元路径学习、构建大模型与图神经网络融合架构，以及在现有两层注意力机制基础上引入层级因果注意力约束，以提升模型对伪装评论的识别能力和因果推断能力。

与会教师对刘雨心老师的研究表现出浓厚兴趣，并就模型的可解释性、虚拟元路径的构建方法、以及在实际评论平台中的应用前景等问题展开了热烈讨论。史明主任在交流中指出，该研究在虚假评论检测领域具有重要创新意义，为相关方向的研究提供了新的思路和方法支撑。