核心概念
ハイパーグラフを活用することで、ユーザー間の複雑な関係性や投稿内容の微妙な違いを捉え、ソーシャルメディア上の虚偽情報を高精度かつ効率的に検出できる。
摘要
本研究では、ソーシャルメディア上の虚偽情報検出のために、ハイパーグラフを活用したHyperGraphDisアプローチを提案している。
- ユーザー間の社会的関係性をグラフ分割アルゴリズムを用いて分析し、ユーザークラスターを特定する。
- これらのユーザークラスターを基にハイパーエッジを構築し、ユーザーが参加したリツイートカスケードをハイパーノードとして表現する。
- リツイートカスケードの特徴ベクトルには、ユーザー情報、テキスト分析結果、過去の相互作用などを組み込む。
- ハイパーグラフニューラルネットワークを用いて、ハイパーノードの虚偽情報/非虚偽情報の分類を行う。
- 4つのデータセットで評価した結果、HyperGraphDisは既存手法と比べて高精度かつ高効率な性能を示した。特にCOVID-19関連データセットでは、F1スコアが約89.5%と優れた成果を得た。
統計資料
ユーザーあたりのリツイート数は最大250件(US Election)、50件(MM-COVID)、60件(FakeHealth)までを考慮した。
特徴量の次元数は、US Election: 90、MM-COVID: 60、FakeHealth: 60に圧縮した。