MAPX: An explainable model-agnostic framework for the detection of false information on social media networks

要約

偽情報の自動検出は、個人による手動による識別の必要性を軽減するため、オンライン ソーシャル メディア ネットワーク (OSMN) 上での「偽ニュース」の拡散と戦うための基本的なタスクとなっています。
文献では、OSMN ドキュメントのさまざまなコンテンツまたはコンテキストの特徴を活用することが有用であることがわかっています。
ただし、既存の検出モデルのほとんどは、実際によく見られる時間的および動的変化を考慮せずに、これらの機能を単独で利用することが多く、そのためモデルの堅牢性が制限されています。
さらに、文書の特徴の品質が最終的な予測の信頼性に及ぼす影響についてはほとんど考慮されていません。
このペーパーでは、MAPX と呼ばれる新しいモデルに依存しないフレームワークを紹介します。これにより、説明可能な方法で既存のモデルからの予測を証拠に基づいて集約できます。
実際、開発された集約方法は適応的かつ動的であり、OSMN ドキュメントの特徴の品質を考慮しています。
さらに、ベンチマークされたフェイク ニュース データセットに対して広範な実験を実行し、現実世界のさまざまなデータ品質シナリオを使用して MAX の有効性を実証します。
私たちの経験的結果は、提案されたフレームワークが評価されたすべての最先端のモデルよりも一貫して優れていることを示しています。
再現性を高めるため、MAPX のデモは \href{https://github.com/SCondran/MAPX_framework}{this link} から入手できます。

要約(オリジナル)

The automated detection of false information has become a fundamental task in combating the spread of ‘fake news’ on online social media networks (OSMN) as it reduces the need for manual discernment by individuals. In the literature, leveraging various content or context features of OSMN documents have been found useful. However, most of the existing detection models often utilise these features in isolation without regard to the temporal and dynamic changes oft-seen in reality, thus, limiting the robustness of the models. Furthermore, there has been little to no consideration of the impact of the quality of documents’ features on the trustworthiness of the final prediction. In this paper, we introduce a novel model-agnostic framework, called MAPX, which allows evidence based aggregation of predictions from existing models in an explainable manner. Indeed, the developed aggregation method is adaptive, dynamic and considers the quality of OSMN document features. Further, we perform extensive experiments on benchmarked fake news datasets to demonstrate the effectiveness of MAPX using various real-world data quality scenarios. Our empirical results show that the proposed framework consistently outperforms all state-of-the-art models evaluated. For reproducibility, a demo of MAPX is available at \href{https://github.com/SCondran/MAPX_framework}{this link}

arxiv情報

提供元, 利用サービス

arxiv.jp, Google