Exploiting User Comments for Early Detection of Fake News Prior to Users’ Commenting

要約

ソーシャルメディア上のフェイクニュースを検出するには、正確さと適時性の両方が重要な要素です。
しかし、既存の手法のほとんどは、精度と適時性のジレンマに直面しています。コンテンツのみの手法は適時性を保証しますが、入手可能な情報が限られているためパフォーマンスは中程度です。一方、ソーシャル コンテキスト ベースの手法は一般にパフォーマンスは優れていますが、ソーシャル コンテキストの蓄積ニーズにより必然的に遅延が発生します。
このようなジレンマを打破するための、実現可能だが十分に研究されていない解決策は、過去のニュースから社会的コンテキスト (コメントなど) を活用して検出モデルをトレーニングし、それを社会的コンテキストを持たない新しく出現したニュースに適用することです。
これには、モデルが (1) 社会的コンテキストから有用な知識を十分に学習すること、(2) 社会的コンテキストが利用可能であるかどうかにかかわらず、状況に十分に適合することが必要です。
この目標を達成するために、歴史的なニュースのコメントから有用な知識を吸収してパラメータ化し、それをコンテンツのみの検出モデルに注入することを提案します。
具体的には、コメント支援型 FakE ニュース検出手法 (CAS-FEND) を設計します。これは、コメントを認識する教師モデルからコンテンツのみの学生モデルに有用な知識を転送し、学生モデルで新しく出現したニュースを検出します。
実験によると、CAS-FEND 学生モデルは、すべてのコンテンツのみの方法だけでなく、1/4 コメントを入力として使用するコメント認識型の方法さえも優れており、早期発見における優位性を示しています。

要約(オリジナル)

Both accuracy and timeliness are key factors in detecting fake news on social media. However, most existing methods encounter an accuracy-timeliness dilemma: Content-only methods guarantee timeliness but perform moderately because of limited available information, while social con-text-based ones generally perform better but inevitably lead to latency because of social context accumulation needs. To break such a dilemma, a feasible but not well-studied solution is to leverage social contexts (e.g., comments) from historical news for training a detection model and apply it to newly emerging news without social contexts. This requires the model to (1) sufficiently learn helpful knowledge from social contexts, and (2) be well compatible with situations that social contexts are available or not. To achieve this goal, we propose to absorb and parameterize useful knowledge from comments in historical news and then inject it into a content-only detection model. Specifically, we design the Comments ASsisted FakE News Detection method (CAS-FEND), which transfers useful knowledge from a comment-aware teacher model to a content-only student model and detects newly emerging news with the student model. Experiments show that the CAS-FEND student model outperforms all content-only methods and even comment-aware ones with 1/4 comments as inputs, demonstrating its superiority for early detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google