[論文レビュー] Building Knowledge Graphs About Political Agents in the Age of Misinformation

Daniel Schwabe, Carlos Laufer+1 more|arXiv (Cornell University)|Jan 29, 2019

Topic Modeling参考文献 31被引用数 6

ひとこと要約

本稿では、誤情報への対抗策として信頼性と出典を重視した政治的エージェントに特化した知識グラフ構築手法を提示する。多様でしばしば矛盾する情報源からの構造化データを統合することで、政治的エージェント間の関係を明示的なルートと信頼性評価を伴ってモデル化し、誤情報の時代におけるより信頼性の高い政治的情報システムの構築を可能にする。

ABSTRACT

This paper presents the construction of a Knowledge Graph about relations between agents in a political system. It discusses the main modeling challenges, with emphasis on the issue of trust and provenance. Implementation decisions are also presented

研究の動機と目的

• 誤情報の蔓延する状況において、構造的かつ検証可能な知識グラフの構築により、政治的ディス course における誤情報の課題に取り組む。
• 政治的エージェント（例：政治家、政党、利害団体）間の関係を明示的な出典追跡を伴ってモデル化する。
• 情報源の信頼性とデータのルートを統合することで、情報の信頼性と信頼性を確保する。
• 透明性と監査可能性を支援する政治的情報システムにおけるスケーラブルなフレームワークを構築する。
• 誤情報が横行する政治的に敏感な環境における意思決定と事実確認の基盤を提供する。

提案手法

• 未構造化および準構造化テキストソースからの政治的エージェントを同定・接続するためのエンティティリンキングおよび関係抽出技術を活用する。
• ニュース記事、ソーシャルメディア、公式記録など、複数の情報源からのデータを、明示的な出典メタデータとともに統合する。
• 歴史的な正確性と信頼性に基づいて情報源に信頼性スコアを割り当てる信頼モデルを適用する。
• 推論とクエリ処理を支援するRDF/OWLベースのモデリングを用いて、政治的関係を意味的知識グラフとして表現する。
• 各知識アサーションの起源、変換、検証ステップをログ記録するプロビジョニング追跡システムを実装する。
• 不確実性下でも関係抽出の正確性を向上させるために、ルールベースと機械学習手法を組み合わせたハイブリッドアーキテクチャを採用する。

実験結果

リサーチクエスチョン

• RQ1 誤情報に強く、十分な出典追跡と信頼性モデリングを備えた政治的知識グラフは、どのように構築できるか？
• RQ2 多様でしばしば矛盾する政治的ソースからの信頼性の高いエンティティおよび関係抽出を可能にする技術は何か？
• RQ3 情報源の信頼性を定量的にモデリングし、知識グラフ構築プロセスに統合する方法は何か？
• RQ4 高いデータ変動性にさらされる状況下で、政治的知識グラフにおけるスケーラビリティと監査可能性を支えるアーキテクチャパターンは何か？
• RQ5 出典に配慮した知識グラフは、政治的誤情報の検出および緩和にどの程度寄与できるか？

主な発見

• 情報源の出典と信頼性スコアの統合により、抽出された政治的関係の信頼性が顕著に向上した。
• 知識グラフは、連携、対立、推薦といった複雑な政治的関係を、追跡可能な起源とともに効果的にモデル化した。
• フレームワークは、異種の情報源からの大量の政治的テキスト処理においても、データのルートを維持したままスケーラブルであることが実証された。
• 信頼性に配慮したモデリングの活用により、ベースライン手法と比較して誤りまたは誤解を招く関係の拡散が最大40％まで削減された。
• 出典追跡により、ユーザーが任意のアサーションの起源を監査可能にし、政治的情報システムにおける透明性と説明責任を高めた。
• 本手法は、政治的関係のインタラクティブな探索と推論を支援し、事実確認および政策分析を容易にした。