[論文レビュー] FAKEDETECTOR: Effective Fake News Detection with Deep Diffusive Neural Network

Jiawei Zhang, Bowen Dong+1 more|arXiv (Cornell University)|May 22, 2018

Misinformation and Its Impacts参考文献 68被引用数 52

ひとこと要約

この論文は FakeDetector を提案する。深層拡散ネットワークとハイブリッド特徴学習ユニットを用い、ニュース拡張異種ソーシャルネットワークのテキストおよび関係信号を利用して、偽情報の記事、クリエイター、主題の信頼性を同時に推定する。

ABSTRACT

In recent years, due to the booming development of online social networks, fake news for various commercial and political purposes has been appearing in large numbers and widespread in the online world. With deceptive words, online social network users can get infected by these online fake news easily, which has brought about tremendous effects on the offline society already. An important goal in improving the trustworthiness of information in online social networks is to identify the fake news timely. This paper aims at investigating the principles, methodologies and algorithms for detecting fake news articles, creators and subjects from online social networks and evaluating the corresponding performance. This paper addresses the challenges introduced by the unknown characteristics of fake news and diverse connections among news articles, creators and subjects. This paper introduces a novel automatic fake news credibility inference model, namely FAKEDETECTOR. Based on a set of explicit and latent features extracted from the textual information, FAKEDETECTOR builds a deep diffusive network model to learn the representations of news articles, creators and subjects simultaneously. Extensive experiments have been done on a real-world fake news dataset to compare FAKEDETECTOR with several state-of-the-art models, and the experimental results have demonstrated the effectiveness of the proposed model.

研究の動機と目的

• 特徴が未知で多様な記事・作成者・主題の接続を持つオンラインソーシャルネットワークにおける偽情報検出の問題に対処する。
• テキスト信号とネットワーク関係を活用して、ニュース記事、クリエイター、主題の信頼性スコアを共同推定する。
• 新規の拡散アーキテクチャを通じて異種情報を融合する深層学習モデルを開発する。

提案手法

• 記事・クリエイター・主題のテキストに対して、explicit textual features と latent features を抽出するために、RNN (GRU) を用いた HFLU（Hybrid Feature Learning Unit）を導入する。
• 記事、クリエイター、主題間の情報を融合するために、GDU（gated diffusive units）を備えた深層拡散ネットワークを提案する。
• 記事、クリエイター、主題それぞれに対するクロスエントロピー損失と正則化を含むエンドツーエンドの目的関数を定義する。
• PolitiFact データでバックプロパゲーションを用いてモデルを訓練し、すべてのノードタイプの信頼性ラベルを予測する。

実験結果

リサーチクエスチョン

• RQ1 記事、クリエイター、主題からの explicit および latent テキスト特徴は、偽情報の信頼性推定をどのように高めるか？
• RQ2 著者情報と記事-主題リンクといった異種関係を深層拡散ネットワークが効果的に融合して、記事・クリエイター・主題全体の検出性能を向上させることができるか？
• RQ3 PolitiFact データにおける信頼性予測において、記事・クリエイター・主題を共同モデル化することの影響は何か？

主な発見

• このフレームワークは、実データ上で統一モデルを用いてニュース記事、クリエイター、主題の信頼性推定を実現する。
• PolitiFact データセットは 14,055 記事、3,634 人のクリエイター、152 の主題で構成され、記事-主題リンク 48,756 件および 14,055 のクリエイター-記事リンクを含む。
• Gated diffusive units を備えた深層拡散ネットワークは、明示的な語彙特徴と潜在的なテキスト表現の両方を活用する。
• モデルは主題入力の忘却ゲートとクリエイター入力の調整ゲートを組み込み、跨種情報フローを管理する。