[論文レビュー] Fake News Mitigation via Point Process Based Intervention

Mehrdad Farajtabar, Jiachen Yang+7 more|arXiv (Cornell University)|Mar 22, 2017

Misinformation and Its Impacts参考文献 33被引用数 99

ひとこと要約

本論文は、偽情報と対策イベントをモデル化する多変量 Hawkes 過程を用いた多段階介入フレームワークを提案し、実時間で予算制約下の介入を最適化するために強化学習を統合します。リアルタイムのTwitter実験とベースラインに対する合成データ上の優越性を示しています。

ABSTRACT

We propose the first multistage intervention framework that tackles fake news in social networks by combining reinforcement learning with a point process network activity model. The spread of fake news and mitigation events within the network is modeled by a multivariate Hawkes process with additional exogenous control terms. By choosing a feature representation of states, defining mitigation actions and constructing reward functions to measure the effectiveness of mitigation activities, we map the problem of fake news mitigation into the reinforcement learning framework. We develop a policy iteration method unique to the multivariate networked point process, with the goal of optimizing the actions for maximal total reward under budget constraints. Our method shows promising performance in real-time intervention experiments on a Twitter network to mitigate a surrogate fake news campaign, and outperforms alternatives on synthetic datasets.

研究の動機と目的

• 人手による監視を大幅に増やさずに、ソーシャルネットワーク上の偽情報を抑制する自動介入の設計を動機づける。
• 偽情報の拡散と対策を、外部制御項を持つ相互作用する点過程としてモデル化する。
• 偽情報の対策を、ネットワーク化された MDP と予算制約のある強化学習問題として定式化する。
• 多変量のネットワーク化された点過程に適した政策反復法を開発する。
• リアルタイム介入能力を実証し、合成データ上でベースラインと比較する。

提案手法

• 偽情報と対策を、外生的制御項を持つ多変量 Hawkes 過程としてモデル化する。
• イベント露出を BN(t) と定義し、偽情報活動と対策活動の影響を定量化する。
• 予算制約の下、状態 x と行動 u を用いたマルコフ決定過程として対策問題を定式化する。
• 最近のイベント回数に基づく線形特徴表現を用いて、LSTD（Least Squares Temporal Difference）による方策評価と方策改善を行う。
• 非定常な Hawkes 過程の一階および二階統計を導出し、報酬評価を可能にする。
• 二段階アプローチを実装する：オフラインの価値関数学習と、介入ノードの外生的強度を選択する方策を用いたオンラインのリアルタイム介入。

実験結果

リサーチクエスチョン

• RQ1 偽情報の拡散と対策活動を、ネットワーク内で連続時間において正確に共同モデリングするにはどうすればよいか？
• RQ2 点過程のダイナミクスを用いて、予算制約下で介入効果を最適化する介入方策を設計できるか？
• RQ3 対策効果を最も適切に捉える報酬構造は何か（例：対策と偽情報露出の相関、未対策の偽イベントの差分最小化など）？
• RQ4 モデルベースでLSTDに基づく政策反復法は、Hawkes過程ネットワークのリアルタイム介入に有効か？
• RQ5 非定常な多変量 Hawkes 統計量は、方策評価と改善にどのように影響するか？

主な発見

• このフレームワークは Twitter ネットワークでのリアルタイム介入実験を可能にし、合成データセットで他の方法より優れている。
• 非定常な多変量 Hawkes 過程の二次統計を導出し、方策評価を支援する。
• 状態表現は、方策学習のためにネットワークダイナミクスを捉えるため、過去の区間イベント回数を組み合わせる。
• モデルベースの改善ステップを伴うLSTDに基づく方策評価は、予算制約の下で収束する方策を生む。
• 報酬関数の選択（相関最大化と差分最小化）は、対策の有効性に対して柔軟な目的を提供する。