Rumor Detection with Hierarchical Representation on Bipartite Adhoc Event Trees

要約

タイトル：Bipartite Adhoc Event Treesを用いた階層的表現による流言の検出

要約：

– ソーシャルメディアの急速な成長は、情報の伝播に大きな影響を与え、流言を検出するための極めて難しい課題を提起している。
– 現存する流言検出方法では、流言候補の転載伝播を利用して検出することが一般的である。しかし、流言の進化のトポロジカル構造と転載者の影響から情報を抽出し、流言を否定することは重要である。
– 本論文では、主張の投稿をアドホックイベントツリーとして組織化し、イベント要素を抽出し、ビパーテイトのアドホックイベントツリー（投稿と作者の両方に関して）に変換する。そのため、BAETと呼ばれるビパーテイトアドホックイベントツリー上の階層的表現を用いた新しい流言検出モデルを提案する。
– 作者ツリーに対して単語埋め込みと特徴エンコーダを導入し、投稿ツリーについてはルートに依存した注意モジュールを設計してノード表現を行う。その後、構造相関をキャプチャするためにTree-like RNNモデルを採用し、作者ツリーと投稿ツリーに対してツリーに関する注意力モジュールを導入して、それぞれのツリー表現を学習する。
– 2つの公共Twitterデータセットでの広範な実験結果は、BAETが流言の進化構造を探索し、従来のベースライン手法よりも優れた検出性能を持つことを示している。

要約(オリジナル)

The rapid growth of social media has caused tremendous effects on information propagation, raising extreme challenges in detecting rumors. Existing rumor detection methods typically exploit the reposting propagation of a rumor candidate for detection by regarding all reposts to a rumor candidate as a temporal sequence and learning semantics representations of the repost sequence. However, extracting informative support from the topological structure of propagation and the influence of reposting authors for debunking rumors is crucial, which generally has not been well addressed by existing methods. In this paper, we organize a claim post in circulation as an adhoc event tree, extract event elements, and convert it to bipartite adhoc event trees in terms of both posts and authors, i.e., author tree and post tree. Accordingly, we propose a novel rumor detection model with hierarchical representation on the bipartite adhoc event trees called BAET. Specifically, we introduce word embedding and feature encoder for the author and post tree, respectively, and design a root-aware attention module to perform node representation. Then we adopt the tree-like RNN model to capture the structural correlations and propose a tree-aware attention module to learn tree representation for the author tree and post tree, respectively. Extensive experimental results on two public Twitter datasets demonstrate the effectiveness of BAET in exploring and exploiting the rumor propagation structure and the superior detection performance of BAET over state-of-the-art baseline methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI