Rumor Detection on Social Media with Temporal Propagation Structure Optimization

要約

ソーシャル メディア上の噂を検出する従来の方法は、主にテキスト コンテンツの分析に焦点を当てており、オンライン インタラクションの複雑さを把握するのに苦労することがよくあります。
最近の研究は、グラフ ニューラル ネットワークを活用して、噂の伝播中に現れる階層的な会話構造をモデル化する方向に移行しています。
ただし、これらの方法は噂の伝播の時間的側面を見落とす傾向があり、伝播構造内の潜在的なノイズを無視する可能性があります。
この論文では、各エッジの重みが接続されたポスト間の時間間隔を表す重み付き伝播ツリーを構築することで時間情報を組み込む新しいアプローチを提案します。
構造エントロピーの理論を利用して、このツリーをコーディング ツリーに変換します。
この変換は、ノイズを低減しながら、噂伝播の本質的な構造を維持することを目的としています。
最後に、噂の真実性を予測するためにコーディング ツリーから学習する再帰的ニューラル ネットワークを導入します。
2 つの一般的なデータセットに関する実験結果は、私たちのアプローチの優位性を示しています。

要約(オリジナル)

Traditional methods for detecting rumors on social media primarily focus on analyzing textual content, often struggling to capture the complexity of online interactions. Recent research has shifted towards leveraging graph neural networks to model the hierarchical conversation structure that emerges during rumor propagation. However, these methods tend to overlook the temporal aspect of rumor propagation and may disregard potential noise within the propagation structure. In this paper, we propose a novel approach that incorporates temporal information by constructing a weighted propagation tree, where the weight of each edge represents the time interval between connected posts. Drawing upon the theory of structural entropy, we transform this tree into a coding tree. This transformation aims to preserve the essential structure of rumor propagation while reducing noise. Finally, we introduce a recursive neural network to learn from the coding tree for rumor veracity prediction. Experimental results on two common datasets demonstrate the superiority of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google