[論文レビュー] Fake news propagate differently from real news even at early stages of spreading

Zilong Zhao, Jichang Zhao+7 more|arXiv (Cornell University)|Mar 9, 2018

Misinformation and Its Impacts被引用数 31

ひとこと要約

本研究は、中国のWeiboと日本のTwitterにおけるフェイクニュースと本物のニュースの拡散を分析し、初期段階である拡散開始後5時間以内であっても、フェイクニュースは本物のニュースとは異なる方法で拡散されることを明らかにした。トポロジー的拡散構造を分析することで、著者たちはフェイクニュースを識別できる初期段階のネットワークパターンを同定し、ブラックボックス型機械学習モデルを超えたデータ駆動型の早期検出手法を提供する。

ABSTRACT

Social media can be a double-edged sword for society, either as a convenient channel exchanging ideas or as an unexpected conduit circulating fake news through a large population. While existing studies of fake news focus on theoretical modeling of propagation or identification methods based on machine learning, it is important to understand the realistic mechanisms between theoretical models and black-box methods. Here we track large databases of fake news and real news in both, Weibo in China and Twitter in Japan from different culture, which include their complete traces of re-postings. We find in both online social networks that fake news spreads distinctively from real news even at early stages of propagation, e.g. five hours after the first re-postings. Our finding demonstrates collective structural signals that help to understand the different propagation evolution of fake news and real news. Different from earlier studies, identifying the topological properties of the information propagation at early stages may offer novel features for early detection of fake news in social media.

研究の動機と目的

• ソーシャルネットワークにおけるフェイクニュース拡散を駆動する現実世界のメカニズムを理解すること。
• フェイクニュースと本物のニュースの間における初期段階の拡散様式の違いを特定すること。
• 理論的モデルやブラックボックス型機械学習にとどまらず、実際の拡散トレースを分析することで、より現実的な知見を得ること。
• 初期拡散から抽出したトポロジカル特徴量を用いて、早期検出システムに役立てる情報を取り出すこと。
• 中国のWeiboと日本のTwitterという文化的に異なる2つのソーシャルメディアプラットフォームで、研究結果の妥当性を検証すること。

提案手法

• 著者たちは、中国のWeiboと日本のTwitterから、フェイクニュースおよび本物のニュースの完全なリツイートトレースを収集した。
• 初期段階の行動を捉えるために、初期共有後5時間以内の拡散ダイナミクスを分析した。
• リツイートネットワークから、分岐構造、拡散木の深さ、幅といったトポロジカルネットワーク特性を抽出した。
• フェイクニュースと本物のニュースの拡散木の間で統計的比較を実施し、識別可能な構造的パターンを同定した。
• 情報拡散を根付きの有向木としてモデル化するために、ネットワークサイエンスの手法を用いた。
• 研究結果がプラットフォーム固有のものでないことを確認するため、クロスプラットフォームでの検証を実施した。

実験結果

リサーチクエスチョン

• RQ1 フェイクニュースの拡散様式は、初期5時間以内に本物のニュースとどのように異なるか？
• RQ2 初期拡散ネットワークのトポロジカル特徴量は、フェイクニュースと本物のニュースを信頼性高く区別できるか？
• RQ3 拡散構造の違いは、文化的・言語的要因が異なるソーシャルメディアプラットフォーム間でも一貫しているか？
• RQ4 初期段階の構造的シグナルは、後続段階の特徴に比べてフェイクニュース検出において優位性を示すか？
• RQ5 どの具体的なネットワーク特性がフェイクニュース拡散を最も予測可能にしているか？

主な発見

• フェイクニュースは、本物のニュースよりも著しく速く拡散され、初期5時間でより多くのユーザーに到達する。
• フェイクニュースの拡散木は、本物のニュースのそれよりも高い分岐率とより深い深さを示す。
• 並列的なリツイートを示す拡散木の幅は、フェイクニュースにおいて顕著に大きい。
• これらの構造的差異は、WeiboとTwitterの両方で一貫して観察され、文化的に普遍的な有効性を示している。
• 初期拡散様式には、フェイクニュースを高い信頼性で識別できる十分なトポロジカルシグナルが含まれている。
• 研究結果は、コンテンツや後続段階のシグナルに依存するのではなく、構造的ネットワーク特徴量を用いることで、フェイクニュースの早期検出が可能であることを示唆している。