A Meta Path-based Approach for Rumor Detection on Social Media

要約

タイトル：ソーシャルメディア上のデマ検出のためのメタパスベースアプローチ

要約：

– ソーシャルメディアの重要性が高まっており、多くの人々が従来の情報源よりもソーシャルネットワークを通じてニュースを受け取る傾向にある。
– このような変化が、デマを拡散する人々にとってチャンスとなり、公に対する悪影響を及ぼす可能性がある。
– デマ検出問題を解決するために提案された多くの方法は、情報伝播ネットワークの異種性を完全に活用していない。
– メタパスベース埋め込みの概念を用いて、異種のデマ伝播からの構造的な特徴抽出を行うことで、以前に提案されたアーキテクチャをベースラインとして考えた。
– このモデルをメタパスベースグローバルローカルアテンションネットワーク（MGLAN）と名付けた。
– 三つの最先端データセットに対する実験的な分析の結果、MGLANが、異なるノードタイプ間のノードレベルの識別をキャプチャすることにより、他のモデルを上回っていることが示された。

要約(オリジナル)

The prominent role of social media in people’s daily lives has made them more inclined to receive news through social networks than traditional sources. This shift in public behavior has opened doors for some to diffuse fake news on social media; and subsequently cause negative economic, political, and social consequences as well as distrust among the public. There are many proposed methods to solve the rumor detection problem, most of which do not take full advantage of the heterogeneous nature of news propagation networks. With this intention, we considered a previously proposed architecture as our baseline and performed the idea of structural feature extraction from the heterogeneous rumor propagation over its architecture using the concept of meta path-based embeddings. We named our model Meta Path-based Global Local Attention Network (MGLAN). Extensive experimental analysis on three state-of-the-art datasets has demonstrated that MGLAN outperforms other models by capturing node-level discrimination to different node types.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI