FakeSwarm: Improving Fake News Detection with Swarming Characteristics

要約

フェイクニュースの蔓延は、国民に誤った情報を与えて操作し、制度への信頼を損ない、民主主義のプロセスを損なう可能性があるため、社会に深刻な脅威をもたらしています。
この問題に対処するために、フェイク ニュースの群集特性を利用したフェイク ニュース識別システム FakeSwarm を紹介します。
群行動を抽出するために、フェイクニュース群特徴の新しい概念を提案し、主成分分析、計量表現、位置符号化を含む 3 種類の群特徴を設計します。
私たちは公開データセットでシステムを評価し、フェイク ニュース識別に群特徴を組み込むことの有効性を実証し、3 種類の群特徴すべてを組み合わせることで f1 スコアと 97% 以上の精度を達成しました。
さらに、フェイクニュース出現の時間的分布パターンの仮説に基づいてオンライン学習パイプラインを設計し、初期に出現したフェイクニュースとテキストサンプルが不足しているトピックで検証し、そのような場合にスウォーム特徴が再現率を大幅に向上できることを示しました。
。
私たちの研究は、フェイク ニュース検出に対する新しい視点とアプローチを提供し、フェイク ニュースを検出する際にスウォーミング特性を考慮することの重要性を強調しています。

要約(オリジナル)

The proliferation of fake news poses a serious threat to society, as it can misinform and manipulate the public, erode trust in institutions, and undermine democratic processes. To address this issue, we present FakeSwarm, a fake news identification system that leverages the swarming characteristics of fake news. To extract the swarm behavior, we propose a novel concept of fake news swarming characteristics and design three types of swarm features, including principal component analysis, metric representation, and position encoding. We evaluate our system on a public dataset and demonstrate the effectiveness of incorporating swarm features in fake news identification, achieving an f1-score and accuracy of over 97% by combining all three types of swarm features. Furthermore, we design an online learning pipeline based on the hypothesis of the temporal distribution pattern of fake news emergence, validated on a topic with early emerging fake news and a shortage of text samples, showing that swarm features can significantly improve recall rates in such cases. Our work provides a new perspective and approach to fake news detection and highlights the importance of considering swarming characteristics in detecting fake news.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google