Detecting, predicting, and deterring fake news using information-sharing models

点击翻译按钮获取中文摘要

本研究の期間は2021～2023年度であり、フェイクニュース対策の技術的な手法を追求している。フェイクニュースの拡散予測、フェイクニュースの検知精度の向上、フェイクニュースを信じるユーザの説得と社会の分断の緩和を取り上げている。2021年度には、フェイクニュースの拡散モデルの構築および、モデルを用いた拡散予測と検知を検討した。当該年度（2022年度）には、ツイッター上のニュースから実データを収集して評価データを作成し、検知システムの精度および処理効率を向上した。評価データは、フェイクニュースとリアルニュース各10件から成り、各ニュースの発信者および転送者、各ユーザによる各ニュースの発信／転送時刻、ユーザ間のフォローフォロワー関係、ユーザがサンプルニュース以外に発信／転送した全てのつぶやきとその時刻から構成される。検知精度の向上については、フォローフォロワー関係のない孤立ユーザが検知精度の低下原因になることを見出し、フォローフォロワー関係のあるユーザのみから検知することで解決した。また、検知プログラムにおけるユーザIDの管理方法を改善することで処理時間を1/5に短縮し、大規模評価の見通しを得た。検知プログラムを評価データに適用し、フェイクニュースおよびリアルニュースに関わったユーザのニュースに対する信頼度およびユーザ間の信頼度を定量的に推定した。さらに、フェイクニュースは文章だけでなく、画像を用いる場合が多いので、投稿画像からのフェイクニュース検知の基礎検討を行った。