[论文解读] Meta-Path-based Fake News Detection Leveraging Multi-level Social Context Information

Jian Cui, Kwanwoo Kim+2 more|arXiv (Cornell University)|Sep 13, 2021

Misinformation and Its Impacts被引用 6

一句话总结

该论文提出 Hetero-SCAN，一种新颖的虚假新闻检测框架，通过元路径从异构图中提取多层级社交上下文（发布者与用户）及时间用户参与模式，实现新闻表征的端到端学习。Hetero-SCAN 在仅使用 90% 训练数据的情况下达到 0.900 的 AUC，性能优于现有方法，即使在低数据设置下也表现卓越。

ABSTRACT

Fake news, false or misleading information presented as news, has a significant impact on many aspects of society, such as in politics or healthcare domains. Due to the deceiving nature of fake news, applying Natural Language Processing (NLP) techniques to the news content alone is insufficient. The multi-level social context information (news publishers and engaged users in social media) and temporal information of user engagement are important information in fake news detection. The proper usage of this information, however, introduces three chronic difficulties: 1) multi-level social context information is hard to be used without information loss, 2) temporal information is hard to be used along with multi-level social context information, 3) news representation with multi-level social context and temporal information is hard to be learned in an end-to-end manner. To overcome all three difficulties, we propose a novel fake news detection framework, Hetero-SCAN. We use Meta-Path to extract meaningful multi-level social context information without loss. Meta-Path, a composite relation connecting two node types, is proposed to capture the semantics in the heterogeneous graph. We then propose Meta-Path instance encoding and aggregation methods to capture the temporal information of user engagement and produce news representation end-to-end. According to our experiment, Hetero-SCAN yields significant performance improvement over state-of-the-art fake news detection methods.

研究动机与目标

• 为解决现有虚假新闻检测方法未能有效利用多层级社交上下文与时间信息的局限性。
• 克服三大长期难题：异构社交上下文中的信息丢失、时间动态的整合，以及新闻表征的端到端学习。
• 开发一种可扩展的、归纳式框架，使其在真实社交媒体环境中能泛化至未见的新闻、发布者与用户。
• 在低数据设置下展示优越性能，此类情况在现实世界虚假新闻数据集中常见，因人工标注成本高导致训练数据稀缺。

提出的方法

• Hetero-SCAN 使用元路径从异构图中提取语义信息，无信息丢失地保留多层级社交上下文（如发布者与用户）。
• 提出元路径实例编码与聚合机制，以捕捉图中用户参与的时间动态。
• 该框架在元路径采样后对节点共享可学习参数，实现对未见节点的归纳式表征学习。
• 将社交上下文与时间特征整合到统一的端到端训练目标中，以优化虚假新闻检测性能。
• 采用随机采样策略管理大规模用户参与数据，在计算效率与表征保真度之间取得平衡。

Figure 1 . Example of fake news distribution and dissemination. Publishers publish the news, and users tweet the news. Some publishers are regarded as low credibility sources according to the famous fact-checking website, MBFC. User A is an example of an instigator in Twitter, and User B is an examp

实验结果

研究问题

• RQ1 如何在不丢失信息的前提下，有效捕捉虚假新闻检测中的多层级社交上下文（发布者与用户）？
• RQ2 如何在基于图的学习框架中，有意义地整合时间用户参与模式与异构社交上下文？
• RQ3 统一的端到端学习方法是否能优于多阶段或次优的图嵌入方法，在虚假新闻检测中表现更优？
• RQ4 所提出方法在低数据设置下的表现如何？此类情况在现实世界虚假新闻数据集中常见。

主要发现

• 当在 90% 的数据上进行训练时，Hetero-SCAN 在测试集上达到 0.900 的 AUC，显著优于所有基线方法。
• 仅使用 30% 的训练数据，Hetero-SCAN 即达到 0.835 的 AUC，超越其他方法在 90% 数据量下训练的结果。
• 消融实验表明，若移除时间建模，性能将下降至 0.751 AUC，证明时间动态的重要性。
• Hetero-SCAN 展现出强大的归纳偏差，在推理阶段能为未见的新闻、发布者与用户生成可靠的嵌入表征。
• 该模型优于 GNN 基线方法（如 GCN、GAT、GraphSAGE、R-GCN 和 HAN），后者未能有效处理异构性与时间特性。

Figure 2 . Heterogeneous Graph of News and Node Feature Engineering.