[논문 리뷰] Surveying the Research on Fake News in Social Media: a Tale of Networks and Language.

Giancarlo Ruffo, Alfonso Semeraro외 2명|arXiv (Cornell University)|2021. 09. 13.

Misinformation and Its Impacts참고 문헌 203인용 수 9

한 줄 요약

이 종합 검토는 소셜 미디어에서 가짜 뉴스 연구에 대한 네트워크 기반 분석을 제공하며, 계산 언어학과 네트워크 과학을 융합하여 주요 추세를 맵핑하고 확산을 모델링하며, 잘못된 정보를 바로잡는 전략을 평가한다. 이 연구는 하이브리드 데이터 마이닝 및 텍스트 기술을 통해 봇과 트롤을 식별하며, 진화하는 잘못된 정보 위협에 대응하기 위해 통합적이고 최신의 방법론이 필요하다는 점을 강조한다.

ABSTRACT

The history of journalism and news diffusion is tightly coupled with the effort to dispel hoaxes, misinformation, propaganda, unverified rumours, poor reporting, and messages containing hate and divisions. With the explosive growth of online social media and billions of individuals engaged with consuming, creating, and sharing news, this ancient problem has surfaced with a renewed intensity threatening our democracies, public health, and news outlets credibility. This has triggered many researchers to develop new methods for studying, understanding, detecting, and preventing fake-news diffusion; as a consequence, thousands of scientific papers have been published in a relatively short period, making researchers of different disciplines to struggle in search of open problems and most relevant trends. The aim of this survey is threefold: first, we want to provide the researchers interested in this multidisciplinary and challenging area with a network-based analysis of the existing literature to assist them with a visual exploration of papers that can be of interest; second, we present a selection of the main results achieved so far adopting the network as an unifying framework to represent and make sense of data, to model diffusion processes, and to evaluate different debunking strategies. Finally, we present an outline of the most relevant research trends focusing on the moving target of fake-news, bots, and trolls identification by means of data mining and text technologies; despite scholars working on computational linguistics and networks traditionally belong to different scientific communities, we expect that forthcoming computational approaches to prevent fake news from polluting the social media must be developed using hybrid and up-to-date methodologies.

연구 동기 및 목표

• 가짜 뉴스가 소셜 미디어에서 확산되는 문제를 다루며, 이는 민주주의, 공중 보건 및 미디어 신뢰성에 위협이 된다.
• 기존 문헌을 시각적 네트워크 기반 탐색으로 제공하여 연구자들이 관련 연구와 연구 격차를 식별할 수 있도록 한다.
• 네트워크를 프레임워크로 사용하여 계산 언어학과 네트워크 과학의 통합된 발견을 통해 가짜 뉴스의 확산을 모델링하고 바로잡는 전략을 평가한다.
• 하이브리드 데이터 마이닝 및 텍스트 기술을 활용하여 봇, 트롤 및 진화하는 잘못된 정보 전략을 탐지하는 데 초점을 맞춘 신규 연구 추세를 부각시킨다.
• 가짜 뉴스 유포의 동적이고 적응적인 성격을 다루기 위해 하이브리드이고 다학제적인 방법론의 개발을 촉진한다.

제안 방법

• 연구자들이 연구 간 관계를 시각화하고 주요 연구 클러스터를 식별할 수 있도록 과학 문헌에 대한 네트워크 기반 분석을 구축한다.
• 가짜 뉴스의 확산 과정, 즉 퍼짐 패tern과 영향력 구조를 표현하고 분석하기 위해 네트워크를 사용한다.
• 텍스트 콘텐츠와 오염된 정보의 구조적 역학을 분석하기 위해 계산 언어학 기법을 네트워크 모델링과 통합한다.
• 언어 패턴과 네트워크 행동을 기반으로 데이터 마이닝 및 텍스트 분석 방법을 적용하여 봇과 트롤을 탐지한다.
• 네트워크 기반 시뮬레이션과 실제 확산 모델을 사용하여 바로잡는 전략의 효과성을 평가한다.
• 다양한 분야의 통합된 발견을 요약하여 방법론적 격차를 식별하고 향후 연구를 위한 통합적 접근을 제안한다.

실험 결과

연구 질문

• RQ1 네트워크 기반의 시각화는 소셜 미디어에서 가짜 뉴스에 관한 급격히 확장되는 문헌을 탐색하는 데 어떻게 도움이 되는가?
• RQ2 가짜 뉴스의 확산을 시뮬레이션하고 분석하는 데 가장 효과적인 네트워크 기반 모델은 무엇인가?
• RQ3 계산 언어학과 네트워크 과학은 어떻게 융합되어 봇과 트롤의 탐지를 향상시킬 수 있는가?
• RQ4 협력하는 행위자들을 포함한 진화하는 잘못된 정보 캠페인을 탐지하는 데 있어 주요 추세는 무엇인가?
• RQ5 다이나믹한 소셜 미디어 환경에서 가짜 뉴스의 유포를 효과적으로 방지하기 위해 필요한 하이브리드 방법론은 무엇인가?

주요 결과

• 문헌에 대한 네트워크 기반 분석은 연구자들이 관련 연구를 시각적으로 탐색하고 핵심 연구 클러스터 및 관계를 식별하는 데 도움을 준다.
• 네트워크 모델링은 가짜 뉴스의 확산을 표현하는 통합적 프레임워크를 제공하여 퍼짐 메커니즘을 더 잘 이해할 수 있도록 한다.
• 네트워크 구조를 언어 분석과 통합함으로써 봇과 트롤이 관여하는 조작된 잘못된 정보 캠페인의 탐지가 향상된다.
• 기존 연구는 봇과 트롤이 점점 더 적응적으로 변하고 있음을 보여주며, 데이터 마이닝과 텍스트 기술을 통합한 동적 탐지 방법이 필요하다고 강조한다.
• 가짜 뉴스를 효과적으로 억제하기 위한 가장 효과적인 향후 접근법은 계산 언어학과 네트워크 과학을 연결하는 하이브리드 방법론이 필요하다.
• 진전이 있음에도 불구하고, 특히 계산 언어학과 네트워크 과학 분야의 연구자들은 여전히 크게 분리되어 있어 방법론의 통합이 제한되어 있다.