[論文レビュー] Exploiting Tri-Relationship for Fake News Detection.

Kai Shu, Suhang Wang+1 more|arXiv (Cornell University)|Dec 20, 2017

Misinformation and Its Impacts参考文献 15被引用数 107

ひとこと要約

本稿では、発信者バイアス、ニュースステーク、およびソーシャルメディア上のユーザー参加行動の三重関係に着目したフェイクニュース検出フレームワーク、TriFNを提案する。これらの三つの相互に依存する要因を同時にモデル化することにより、本手法は、二つの新規に構築された実世界のデータセットを用いて検証されたが、フェイクニュース検出性能が顕著に向上した。

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.

研究の動機と目的

• ソーシャルメディアプラットフォームにおけるフェイクニュースの拡散という増加する課題に対処すること。
• ニュースコンテンツ以外のソーシャルメディア参加データが、フェイクニュース検出をどのように向上させられるかを調査すること。
• 発信者バイアス、ニュースステーク、ユーザー参加行動の三重関係を統合的検出フレームワークとしてモデル化すること。
• 今後のフェイクニュース検出研究を支援するための、二つの包括的な実世界データセットを提供すること。

提案手法

• 発信者バイアス、ニュースステーク、ユーザー参加行動を統合的にモデル化する三重関係型フェイクニュース検出フレームワーク（TriFN）を提案する。
• いいね、シェア、リツイートなどのユーザー参加行動を、ソーシャルバリデーションの指標として捉えるために、ソーシャルメディアデータを活用する。
• ユーザーがニュースステークや発信者立場と一致する傾向を分析することで、確認バイアスおよびエコーチャンバー効果を組み込む。
• テキストコンテンツ、ステーク分類、ソーシャル参加信号を統合するためのマルチモーダル学習アーキテクチャを採用する。
• 実世界のソーシャルメディア相互作用を活用し、ユーザー行動パターンに基づいてニュースの信ぴょう性を推定する。
• 三重関係の次元を用いて、ラベル付きのフェイクニュースおよび本物のニュースインスタンスを訓練するための教師あり学習手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 発信者バイアス、ニュースステーク、ユーザー参加行動が、フェイクニュース検出性能にどのように統合的に影響を与えるか？
• RQ2 ニュースコンテンツに基づく手法を超えて、ソーシャルメディア参加データがフェイクニュース検出をどの程度向上できるか？
• RQ3 発信者バイアス、ステーク、参加行動の三重関係をモデル化することで、より強固な検出システムが構築可能か？
• RQ4 確認バイアスやエコーチャンバー効果といった心理的要因が、フェイクニュース関連のソーシャルメディア参加行動にどのように現れるか？

主な発見

• TriFNフレームワークは、コンテンツのみに依存するベースラインと比較して、フェイクニュース検出精度が顕著に向上した。
• ソーシャルメディア参加データを組み込むことで、信ぴょう性の行動的サインを捉えることができ、検出性能が向上した。
• 発信者バイアスとニュースステークの統合により、計画的な誤情報キャンペーンの検出能力が向上した。
• ユーザー参加行動パターンはニュースの真偽と強く相関しており、検出におけるソーシャル信号の有効性を裏付けた。
• 新たに構築された二つの実世界データセットは、フェイクニュース検出モデルの学習および評価に適した多様で現実的なデータを提供した。
• 本モデルは、そのマルチフェーストアプローチのおかげで、さまざまなニューストピックおよびソーシャルメディアプラットフォームにおいて、強固な性能を示した。