权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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

使用信息共享模型检测、预测和阻止假新闻

基本信息

批准号：
21K11883
负责人：
吉浦裕
金额：
$ 2.5万
依托单位：
Kyoto Tachibana University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

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。

The period of this study is from 2021 to 2023, and we will pursue the technical and technical aspects of the project.フェイクニュースの拡 scattered prediction, フェイクニュースの検Knowing accuracyのUP, フェイクニュースを信じるユーザの说とsocial division and relaxation をtaking り上げている. In 2021, the には, フェイクニュースの拡san, モデルのconstruct および, モデルを use いたsan, predict and 検know, 検検 Discussion, した. When the には、ツイッター上のニュースから実データを in that year (2022) The collection of evaluations is done, and the processing efficiency of the collection is improved. 10 pieces each of the フェイクニュースとリアルニュース, Each letter is sent to the sender, each letter is sent to the sender, and each letter is sent to the sender. Time to send off, the relationship between the room and the room, the relationship between the room and the room, the relationship between the room and the roomース外に発信／転发した全てのつぶやきとその时から constitute される. Knowing the reason for the improvement of accuracy and the reason for the low level of accuracyになることを见出し、フォローフォロワー Relationship のあるユーザのみから検知することでsolvedした.また、検知プログラムにおけるユーザIDの Management method を Improvement することで processing time を1/5に shortened し, large-scale evaluation 価の见通しを got た.検知プログラムをreview価データに用し、フェイクニュースおよびリアルニュースに关わったユーザのニュースに対する信格 Degree およびユーザbetween の信頼 Degree をquantitative に presumed した.さらに, フェイクニュースはarticles, だけでなく, and images are used on many occasions.いので、Contribution picture からのフェイクニュース検知のbasics検问を行った.