MCWDST: a Minimum-Cost Weighted Directed Spanning Tree Algorithm for Real-Time Fake News Mitigation in Social Media

要約

インターネット アクセスとハンドヘルド デバイスが広く利用できるようになったことで、ソーシャル メディアはかつて新聞が持っていたのと同じような力を獲得しています。
人々はソーシャル メディアで手頃な価格の情報を探し、数秒でアクセスできます。
しかし、この便利さには危険が伴います。
どのユーザーも好きなように自由に投稿でき、その真実性に関係なく、コンテンツは長期間オンラインにとどまることができます。
フェイク ニュースとも呼ばれる虚偽の情報を検出する必要性が生じます。
このホワイト ペーパーでは、フェイク ニュースを正確に検出し、それらをリアルタイムで広めるネットワーク ノードに免疫を与えるエンド ツー エンドのソリューションを紹介します。
フェイク ニュースを検出するために、畳み込みと双方向の LSTM 層を利用する 2 つの新しいスタック ディープ ラーニング アーキテクチャを提案します。
フェイク ニュースの拡散を軽減するために、(1) 検出されたノードに対して最小コストの重み付き有向スパニング ツリーを構築し、(2) を使用して有害性をスコアリングすることにより、そのツリー内のノードを免疫化する、リアルタイムのネットワーク認識戦略を提案します。
斬新なランキング機能。
5 つの実世界のデータセットでソリューションの有効性を実証します。

要約(オリジナル)

The widespread availability of internet access and handheld devices confers to social media a power similar to the one newspapers used to have. People seek affordable information on social media and can reach it within seconds. Yet this convenience comes with dangers; any user may freely post whatever they please and the content can stay online for a long period, regardless of its truthfulness. A need to detect untruthful information, also known as fake news, arises. In this paper, we present an end-to-end solution that accurately detects fake news and immunizes network nodes that spread them in real-time. To detect fake news, we propose two new stack deep learning architectures that utilize convolutional and bidirectional LSTM layers. To mitigate the spread of fake news, we propose a real-time network-aware strategy that (1) constructs a minimum-cost weighted directed spanning tree for a detected node, and (2) immunizes nodes in that tree by scoring their harmfulness using a novel ranking function. We demonstrate the effectiveness of our solution on five real-world datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google