[논문 리뷰] Emotion Cognizance Improves Fake News Identification.

K. Anoop, P Deepak외 1명|arXiv (Cornell University)|2019. 06. 25.

Misinformation and Its Impacts인용 수 5

한 줄 요약

이 논문은 감정 강도 어휘사전을 활용하여 텍스트 표현에 감정 인지 기능을 통합함으로써 가짜 뉴스 식별을 향상시키는 방법을 제안한다. 감정 인지 임베딩을 생성함으로써, 지도 학습 및 비지도 학습 설정 전반에서 일관되고 뚜렷한 성능 향상이 이루어지며, 뉴스에 담긴 정서적 콘텐츠가 오인정보 탐지에 있어 가치 있고 이전에 간과되었던 신호임을 입증한다.

ABSTRACT

Identifying misinformation is increasingly being recognized as an important computational task with high potential social impact. In this paper, we consider leveraging the affective character of news articles for fake news identification and present evidence that emotion cognizant representations are significantly more suited for the task. We outline a technique to leverage emotion intensity lexicons to develop emotionized text representations, and evaluate the utility of such a representation for fake news identification in various supervised and unsupervised scenarios. The consistent and significant empirical gains that we observe over a range of technique types and parameter settings establish the utility of the emotional information in news articles, an often overlooked aspect, for the task of misinformation identification.

연구 동기 및 목표

• 뉴스 기사의 정서적 콘텐츠가 가짜 뉴스 탐지 성능 향상에 기여할 수 있는지 조사하는 것.
• 감정 강도 어휘사전을 활용한 감정화된 텍스트 표현을 생성하는 방법을 개발하는 것.
• 감정 인지 기능이 지도 학습 및 비지도 학습 환경 전반에서 효과적으로 작용하는지 평가하는 것.
• 뉴스 기사의 정서적 신호가 오인정보 탐지에 있어 가치 있고 활용도가 낮은 자원임을 입증하는 것.

제안 방법

• 감정 강도 어휘사전을 활용해 뉴스 텍스트의 정서적 성향과 각성도를 정량화하는 방법을 적용한다.
• 단어 임베딩 또는 시퀀스 인코딩에 감정 강도 점수를 통합하여 텍스트 표현을 강화한다.
• 감정화된 표현을 다양한 가짜 뉴스 분류 모델에 입력으로 사용하며, 지도 학습 및 비지도 학습 설정 모두에서 적용한다.
• 다양한 모델 아키텍처와 하이퍼파라미터 설정에서의 성능 평가를 통해 방법의 견고성을 확보한다.
• 추가적인 레이블이 달린 감정 데이터가 필요 없이, 기존에 존재하는 어휘사전에 의존하여 감정 인지 기능을 적용한다.

실험 결과

연구 질문

• RQ1 감정 인지 표현이 가짜 뉴스 탐지 성능 향상에 기여할 수 있는가?
• RQ2 감정 인지 기능은 지도 학습 및 비지도 학습 등 다양한 학습 철학 환경에서 어떻게 작용하는가?
• RQ3 정서적 콘텐츠의 통합이 오인정보 식별에 항상 유익한 신호인가?
• RQ4 다양한 하이퍼파라미터 설정과 모델 유형이 감정 강화 표현과 어떻게 상호작용하는가?

주요 결과

• 감정 인지 표현은 가짜 뉴스 탐지 정확도에서 일관되고 뚜렷한 향상을 이룬다.
• 성능 향상은 다양한 모델 유형과 하이퍼파라미터 설정 전반에서 관찰된다.
• 이 방법은 지도 학습 및 비지도 학습 환경 모두에서 유용함을 입증한다.
• 뉴스 기사에 담긴 정서적 정보는 오인정보 탐지에 있어 가치 있고 이전에 간과되었던 신호임을 확인한다.