[논문 리뷰] Rumor Detection with Hierarchical Representation on Bipartite Adhoc Event Trees

Qi Zhang, Yayi Yang외 5명|arXiv (Cornell University)|2023. 04. 27.

Misinformation and Its Impacts인용 수 10

한 줄 요약

본 논문은 BAET을 제안합니다. 이는 주장 게시글과 그에 응답한 사람들의 이분 접합 임시 이벤트 트리를 구성하여 루머를 탐지하고, 저자 신호와 게시물 신호를 사용하는 계층적 표현으로 탐지 성능을 향상시키는 모델입니다.

ABSTRACT

The rapid growth of social media has caused tremendous effects on information propagation, raising extreme challenges in detecting rumors. Existing rumor detection methods typically exploit the reposting propagation of a rumor candidate for detection by regarding all reposts to a rumor candidate as a temporal sequence and learning semantics representations of the repost sequence. However, extracting informative support from the topological structure of propagation and the influence of reposting authors for debunking rumors is crucial, which generally has not been well addressed by existing methods. In this paper, we organize a claim post in circulation as an adhoc event tree, extract event elements, and convert it to bipartite adhoc event trees in terms of both posts and authors, i.e., author tree and post tree. Accordingly, we propose a novel rumor detection model with hierarchical representation on the bipartite adhoc event trees called BAET. Specifically, we introduce word embedding and feature encoder for the author and post tree, respectively, and design a root-aware attention module to perform node representation. Then we adopt the tree-like RNN model to capture the structural correlations and propose a tree-aware attention module to learn tree representation for the author tree and post tree, respectively. Extensive experimental results on two public Twitter datasets demonstrate the effectiveness of BAET in exploring and exploiting the rumor propagation structure and the superior detection performance of BAET over state-of-the-art baseline methods.

연구 동기 및 목표

• 게시물 내용과 시간 외에 저자 정보를 루머 확산 모델링에 통합하도록 동기를 부여한다.
• 루머 확산에서 게시물과 저자를 모두 포착하기 위한 이분 접합 임시 이벤트 트리 표현을 제안한다.
• 강인한 루머 검증을 위해 노드 수준 및 트리 수준 표현을 학습하는 계층적 신경망 프레임워크를 개발한다.

제안 방법

• 주장의 주변에서 쿠폰된 임시 이벤트로부터 게시물 트리와 저자 트리를 구성한다.
• 게시물과 저자 특징을 임베딩하고, 루트 인식 어텐션으로 노드 표현을 학습한다.
• 트리 변형 RNN(TRvNN)을 적용하여 구조적 전파 패턴을 포착한다.
• TRvNN 출력으로부터 구조적 표현을 모으기 위해 트리 인식(attention)을 사용한다.
• 최종 루머 분류를 위해 게시물 트리 표현과 저자 트리 표현을 결합한다.

Figure 1: The tree shows an adhoc event in circulation which is derived from the claim post Charlie Hebdo headquarters being attacked by armed men . In the tree, each node denotes a tuple related to the event, including a post related to the event, the author profile, timestamp of the post. Each arr

실험 결과

연구 질문

• RQ1 저자 정보를 게시물 내용과 효과적으로 통합하여 루머 탐지를 향상시키려면 어떻게 해야 합니까?
• RQ2 이분 접합 임시 이벤트 트리가 전파 토폴로지와 저자 영향력을 루머 검증에 더 잘 포착할 수 있을까요?
• RQ3 노드 수준 및 구조 수준의 어떤 계층적 표현이 루머와 비루머를 가장 잘 구분합니까?
• RQ4 루트 및 리프 노드에 주목하는 어텐션 메커니즘이 탐지 성능을 향상시키나요?

주요 결과

• BAET는 공공 데이터셋 PHEME 및 RumorEval에서 최신 루머 탐지 모델에 비해 상당한 성능 향상을 달성합니다.
• 저자 정보가 게시물 내용만으로는 얻을 수 없는 의미 있는 루머 탐지 기여를 한다.
• 노드 수준 표현과 구조 수준 표현의 결합이 강인한 전파 모델링을 제공합니다.
• 루트 인식 어텐션과 트리 인식 어텐션은 노드 내 의미와 노드 간 전파 역학을 효과적으로 포착합니다.

Figure 2: The propagation structure of the adhoc event tree (left) in Fig. 1 and the corresponding converted bipartite adhoc event trees (right). The author (post) tree has the same structure as the original adhoc event tree. In the author (post) tree, each node denotes an author (post), and all nod