Fake News Detection Through Graph-based Neural Networks: A Survey

要約

オンライン ソーシャル ネットワークの普及により、情報の迅速な拡散が可能になりました。
人々は今、これまでよりもはるかに迅速に情報を共有し、利用できるようになりました。
ただし、低品質の情報や偶然または意図的に偽造された情報も急速に拡散する可能性があります。
これは社会に多大な悪影響を与える可能性があります。
オンラインの誤った情報をできるだけ早く特定し、ラベルを付け、誤りを暴くことは、ますます緊急の課題となっています。
ディープラーニングやグラフベースのアプローチなど、フェイクニュースを検出するための多くの方法が提案されています。
近年、グラフベースの手法は、オンライン ニュースの社会的背景と伝播プロセスを厳密にモデル化できるため、優れた結果をもたらしています。
この論文では、グラフベースおよびディープラーニングベースの技術に基づいたフェイクニュース検出研究の体系的なレビューを紹介します。
私たちは、ニュース関連の情報フローをモデル化するためにグラフ構造がどのように構築されるかに応じて、既存のグラフベースの手法を知識駆動型の手法、伝播ベースの手法、および異種社会的コンテキストベースの手法に分類します。
さらに、グラフベースのフェイクニュース検出における課題と未解決の問題について議論し、将来の研究の方向性を特定します。

要約(オリジナル)

The popularity of online social networks has enabled rapid dissemination of information. People now can share and consume information much more rapidly than ever before. However, low-quality and/or accidentally/deliberately fake information can also spread rapidly. This can lead to considerable and negative impacts on society. Identifying, labelling and debunking online misinformation as early as possible has become an increasingly urgent problem. Many methods have been proposed to detect fake news including many deep learning and graph-based approaches. In recent years, graph-based methods have yielded strong results, as they can closely model the social context and propagation process of online news. In this paper, we present a systematic review of fake news detection studies based on graph-based and deep learning-based techniques. We classify existing graph-based methods into knowledge-driven methods, propagation-based methods, and heterogeneous social context-based methods, depending on how a graph structure is constructed to model news related information flows. We further discuss the challenges and open problems in graph-based fake news detection and identify future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google