Less is More: Unseen Domain Fake News Detection via Causal Propagation Substructures

要約

ソーシャルメディア上でのフェイクニュースの拡散は、個人と社会に重大な脅威をもたらします。
テキストベースおよびグラフベースのモデルは、ニュースコンテンツと伝播ネットワークを分析することによるフェイクニュース検出に採用されており、特定のシナリオで有望な結果を示しています。
ただし、これらのデータ駆動型モデルは、トレーニングのために既存の配信内データに大きく依存しているため、配信外 (OOD) データと呼ばれる、新興ドメインまたはこれまで見たことのないドメインからのフェイク ニュースに直面した場合のパフォーマンスが制限されます。
OOD フェイクニュースへの取り組みは、困難ではありますが重要な課題です。
この論文では、分布内データを使用して伝播グラフから因果サブ構造を抽出し、このアプローチを OOD データに一般化することで、ゼロショット フェイク ニュース検出を強化するように設計された、因果サブグラフ指向のドメイン適応型フェイク ニュース検出 (CSDA) モデルを紹介します。
このモデルは、グラフ ニューラル ネットワーク ベースのマスク生成プロセスを採用し、フェイク ニュース検出にこれらの部分構造を使用して、伝播グラフ内の支配的なノードとエッジを特定します。
さらに、CSDA のパフォーマンスは、トレーニングに利用できる OOD データが限られている少数ショット シナリオでの対照学習を通じてさらに向上します。
公開ソーシャルメディアデータセットに対する広範な実験により、CSDA が OOD フェイクニュース検出を効果的に処理し、他の最先端モデルと比較して 7 ～ 16 パーセントの精度向上を達成していることが実証されました。

要約(オリジナル)

The spread of fake news on social media poses significant threats to individuals and society. Text-based and graph-based models have been employed for fake news detection by analysing news content and propagation networks, showing promising results in specific scenarios. However, these data-driven models heavily rely on pre-existing in-distribution data for training, limiting their performance when confronted with fake news from emerging or previously unseen domains, known as out-of-distribution (OOD) data. Tackling OOD fake news is a challenging yet critical task. In this paper, we introduce the Causal Subgraph-oriented Domain Adaptive Fake News Detection (CSDA) model, designed to enhance zero-shot fake news detection by extracting causal substructures from propagation graphs using in-distribution data and generalising this approach to OOD data. The model employs a graph neural network based mask generation process to identify dominant nodes and edges within the propagation graph, using these substructures for fake news detection. Additionally, the performance of CSDA is further improved through contrastive learning in few-shot scenarios, where a limited amount of OOD data is available for training. Extensive experiments on public social media datasets demonstrate that CSDA effectively handles OOD fake news detection, achieving a 7 to 16 percents accuracy improvement over other state-of-the-art models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google