Core Concepts
이종 그래프 구조와 뉴스 기사의 텍스트 특징을 활용하여 가짜 뉴스를 효과적으로 탐지할 수 있다.
Abstract
이 연구는 가짜 뉴스 탐지를 위해 뉴스 기사, 개체, 주제 간의 관계를 모델링한 이종 그래프를 제안한다.
뉴스 기사, 개체, 주제를 노드로 하고 이들 간의 관계를 간선으로 하는 이종 그래프를 구축한다.
사전 학습된 언어 모델을 활용하여 단어 수준과 문장 수준의 의미 특징을 추출한다.
랜덤 워크 기반 방법으로 각 뉴스 기사를 중심으로 하는 하위 그래프를 추출한다.
제안한 이종 하위 그래프 트랜스포머를 통해 하위 그래프의 특징을 학습하고 가짜 뉴스를 탐지한다.
5개의 실제 데이터셋에 대한 실험에서 제안 모델이 우수한 성능을 보였다.
Stats
가짜 뉴스는 일반적으로 관련성이 낮은 개체와 주제를 연결하는 비정형적인 하위 그래프를 형성한다.
가짜 뉴스 기사의 의미 특징은 진짜 뉴스와 크게 다르다.
Quotes
"가짜 뉴스는 온라인 상에 만연하며 공중 담론과 사회 복지에 상당한 해를 끼치고 있다."
"가짜 뉴스 기사의 비정형적인 하위 그래프와 의미 특징을 효과적으로 탐지할 수 있다."