要約
インターネット アクセスと携帯端末が広く普及したことにより、ソーシャル メディアにはかつて新聞が持っていたのと同じような力が与えられています。
人々はソーシャル メディアで手頃な価格の情報を求めており、数秒以内に情報にアクセスできます。
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ものを自由に投稿でき、その内容が真実かどうかに関係なく、長期間オンラインに残る可能性があります。
フェイクニュースとも呼ばれる、真実ではない情報を検出する必要性が生じています。
このペーパーでは、フェイク ニュースを正確に検出し、それを拡散するネットワーク ノードをリアルタイムで防御す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、畳み込み層と双方向 LSTM 層を利用する 2 つの新しいスタック深層学習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、我々は、(1) 検出されたノードに対して最小コストで重み付けされた有向スパニングツリーを構築し、(2)
斬新なランキング機能。
5 つの現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
| 著者 | Ciprian-Octavian Truică,Elena-Simona Apostol,Radu-Cătălin Nicolescu,Panagiotis Karras |
| 発行日 | 2024-01-19 16:30:14+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google