[논문 리뷰] Exploiting Tri-Relationship for Fake News Detection.

Kai Shu, Suhang Wang외 1명|arXiv (Cornell University)|2017. 12. 20.

Misinformation and Its Impacts참고 문헌 15인용 수 107

한 줄 요약

이 논문은 출판사 편향, 뉴스 입장을 그리고 소셜 미디어에서의 사용자 참여도 간의 삼중관계를 활용하는 가짜 뉴스 탐지 프레임워크인 TriFN을 제안한다. 이 세 가지 상호의존적 요소를 동시에 모델링함으로써, 실제 세계의 두 개의 새로운 데이터셋에서 검증된 바와 같이, 가짜 뉴스 탐지 성능이 크게 향상된다.

ABSTRACT

Social media for news consumption is becoming popular nowadays. The low cost, easy access and rapid information dissemination of social media bring benefits for people to seek out news timely. However, it also causes the widespread of fake news, i.e., low-quality news pieces that are intentionally fabricated. The fake news brings about several negative effects on individual consumers, news ecosystem, and even society trust. Previous fake news detection methods mainly focus on news contents for deception classification or claim fact-checking. Recent Social and Psychology studies show potential importance to utilize social media data: 1) Confirmation bias effect reveals that consumers prefer to believe information that confirms their existing stances; 2) Echo chamber effect suggests that people tend to follow likeminded users and form segregated communities on social media. Even though users' social engagements towards news on social media provide abundant auxiliary information for better detecting fake news, but existing work exploiting social engagements is rather limited. In this paper, we explore the correlations of publisher bias, news stance, and relevant user engagements simultaneously, and propose a Tri-Relationship Fake News detection framework (TriFN). We also provide two comprehensive real-world fake news datasets to facilitate fake news research. Experiments on these datasets demonstrate the effectiveness of the proposed approach.

연구 동기 및 목표

• 소셜 미디어 플랫폼에서 가짜 뉴스 유포의 증가하는 도전에 대응하기 위해.
• 소셜 미디어 참여 데이터—뉴스 콘텐츠를 초월하여—가짜 뉴스 탐지에 어떻게 기여할 수 있는지 탐구하기 위해.
• 출판사 편향, 뉴스 입장, 사용자 참여도 간의 상호작용을 통합된 탐지 프레임워크로 모델링하기 위해.
• 미래의 가짜 뉴스 탐지 연구를 지원하기 위해 두 개의 포괄적인 실세계 데이터셋을 제공하기 위해.

제안 방법

• 출판사 편향, 뉴스 입장, 사용자 참여도를 동시에 모델링하는 삼중관계 가짜 뉴스 탐지 프레임워크(TrifN)를 제안한다.
• 좋아요, 공유, 재트윗 등을 포함한 사용자 참여 패턴을 사회적 신뢰성 지표로 활용하기 위해 소셜 미디어 데이터를 활용한다.
• 사용자가 뉴스 입장과 출판사 위치에 대해 얼마나 일치하는지 분석함으로써 확증 편향과 에코 챌린 효과를 반영한다.
• 텍스트 콘텐츠, 입장 분류, 소셜 참여 신호를 통합하기 위해 다중모달 학습 아키텍처를 활용한다.
• 사용자 행동 패턴을 기반으로 실제 소셜 미디어 상호작용을 활용해 뉴스의 신뢰성을 추론한다.
• 세 가지 관계 차원을 기반으로 레이블이 부여된 가짜 뉴스 및 진짜 뉴스 인스턴스를 학습하기 위해 지도 학습 기법을 적용한다.

실험 결과

연구 질문

• RQ1 출판사 편향, 뉴스 입장, 사용자 참여도가 가짜 뉴스 탐지 성능에 어떻게 종합적으로 영향을 미치는가?
• RQ2 소셜 미디어 참여 데이터는 콘텐츠 기반 방법을 초월하여 얼마나 가짜 뉴스 탐지 성능을 향상시킬 수 있는가?
• RQ3 출판사 편향, 입장, 참여도 간의 삼중관계를 모델링하면 더 견고한 탐지 시스템을 만들 수 있는가?
• RQ4 확증 편향과 에코 채널 효과 같은 심리적 영향은 가짜 뉴스 관련 소셜 미디어 참여 패턴에 어떻게 나타나는가?

주요 결과

• TriFN 프레임워크는 콘텐츠 중심 기준 모델 대비 가짜 뉴스 탐지 정확도에서 뚜렷한 향상을 이룬다.
• 소셜 미디어 참여 데이터를 통합함으로써 신뢰성의 행동 신호를 포착함으로써 탐지 성능이 향상된다.
• 출판사 편향과 뉴스 입장의 통합은 조작된 정보 유포 캠페인을 탐지하는 데 모델의 능력을 향상시킨다.
• 사용자 참여 패턴은 뉴스의 진실성과 강한 상관관계를 보이며, 탐지에 사회적 신호를 활용할 수 있음을 뒷받침한다.
• 새로가공된 두 개의 실세계 데이터셋은 가짜 뉴스 탐지 모델의 훈련과 평가를 위한 다양한 실재성 있는 데이터를 제공한다.
• 다양한 뉴스 주제와 소셜 미디어 플랫폼에서의 견고함을 보이며, 다각적 접근 덕분에 모델의 성능이 뛰어나다.