[論文レビュー] DEAN: Learning Dual Emotion for Fake News Detection on Social Media

Chuan Guo, Juan Cao+3 more|arXiv (Cornell University)|Mar 5, 2019

Misinformation and Its Impacts参考文献 27被引用数 26

ひとこと要約

本稿では、微ブログのコンテンツとユーザーのコメントから感情表現を統合的に学習することで、検出精度を向上させる、新しい二重感情ベースのフェイクニュース検出フレームワークDEANを提案する。発信者に起因する感情的コンテンツとユーザーの反応的感情反応の両方をモデル化することで、実世界のデータセットにおいて最先端の性能を達成し、ソーシャルメディアにおけるフェイクニュース対策における二重感情モデリングの価値を示している。

ABSTRACT

Microblogging is a popular way for people to post, share, and seek information due to its convenience and low cost. However, it also facilitates the generation and propagation of fake news, which could cause detrimental societal consequences. Detecting fake news on microblogs is important for societal good. Emotion is considered a significant indicator in many fake news detection studies, and most of them utilize emotion mainly through users stances or simple statistical emotional features. In reality, the publishers typically post either a piece of news with intense emotion which could easily resonate with the crowd, or a controversial statement unemotionally aiming to evoke intense emotion among the users. However, existing studies that exploiting the emotion information from both news content and user comments corporately is ignored. Therefore, in this paper, we study the novel problem of learning dual emotion for fake news detection. We propose a new Dual Emotion-based fAke News detection framework (DEAN), which can i) learn content- and comment- emotion representations for publishers and users respectively; and ii) exploit the dual emotion representations simultaneously for fake news detection. Experimental results on real-world datasets demonstrate the effectiveness of the proposed framework.

研究の動機と目的

• フェイクニュース検出におけるギャップを埋めるために、ニュースコンテンツとユーザーのコメントの両方からの感情を統合的にモデリングすること。
• フェイクニュースはしばしば感情的に高揚したコンテンツや、反応を引き起こすように意図的に誘導する表現を用いて広がることを認識すること。
• 発信者からのコンテンツ感情とユーザーからのコメント感情という二重感情信号を捉える統一されたフレームワークの構築。
• 単一のアーキテクチャ内で両方のソースからの補完的である感情的手がかりを活用することで、検出性能の向上。
• 実世界のマイクロブログ環境における二重感情表現学習の有効性を実証すること。

提案手法

• ニュースコンテンツとユーザーのコメントからの感情を別々に符号化する二重感情ベースのフェイクニュース検出フレームワーク（DEAN）を提案する。
• 深層ニューラルネットワークを用いて、発信者が投稿したマイクロブログテキストからコンテンツレベルの感情表現を学習する。
• 順序付きモデリング技術を適用して、ユーザーのコメントレベルの感情表現を抽出し、集団的な感情反応を捉える。
• 最終的なフェイクニュース分類のために、コンテンツおよびコメントの感情表現をライトフュージョン機構で統合する。
• ラベル付きのフェイクニュースおよび本物のニュースサンプルからの教師信号を用いて、エンドツーエンドのフレームワークを訓練する。
• 両方のソースにおける顕著な感情的フレーズを強調するために、アテンション機構を採用し、表現学習の改善を図る。

実験結果

リサーチクエスチョン

• RQ1 ニュースコンテンツとユーザーのコメントからの感情を統合的にモデリングすることで、フェイクニュース検出性能が向上するか？
• RQ2 コンテンツレベルの感情表現とコメントレベルの感情表現は、フェイクニュース検出においてどのように異なった寄与をしているか？
• RQ3 発信者の意図とユーザーの反応という二重感情信号を捉えることで、単一ソースの感情モデリングよりも優れた検出が達成できるか？
• RQ4 多様な実世界のマイクロブログデータセット（感情表現パターンが異なる）において、DEANフレームワークの頑健性はどの程度か？
• RQ5 コンテンツ内の感情の強度とコメント内の感情の極性のどちらが、フェイクニュース検出に相対的により寄与しているか？

主な発見

• DEANは、二重感情表現を統合的にモデリングすることで、実世界のマイクロブログデータセットにおいて最先端の性能を達成した。
• コンテンツおよびコメントの両方の感情表現を統合することで、片方の感情情報のみを用いるモデルよりも顕著な性能向上が得られた。
• 感情表現が明示的でないが、強い反応を引き起こすことを意図したニュースの検出において、ユーザーのコメントの感情表現が特に有効であった。
• 発信者によるコンテンツの感情表現は、明確な感情表現を含むストーリーに対して非常に予測的であり、検出における価値を裏付けた。
• 二重感情フレームワークは、異なるデータセットにおいても頑健であることが示され、特定のプラットフォームの特性を超えた一般化能力を示した。
• アブレーションスタディにより、コンテンツ感情とコメント感情の両方のコンポonentが最終的な検出性能に有意義に寄与していることが確認された。