Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
DEIM2021 Twitterにおけるフェイクニュース拡散モデルの提案
Search
taichi_murayama
March 01, 2021
Research
0
500
DEIM2021 Twitterにおけるフェイクニュース拡散モデルの提案
DEIM2021 「Twitterにおけるフェイクニュース拡散モデルの提案」の発表スライド
taichi_murayama
March 01, 2021
Tweet
Share
More Decks by taichi_murayama
See All by taichi_murayama
2024年度 分野の全体像と論文の探し方
hkefka385
0
39
2024年度 研究の進め方
hkefka385
0
560
2024年度 研究室との接し方
hkefka385
0
46
2024年度 連絡ツールDiscordの使い方
hkefka385
0
21
ウェブ・ソーシャルメディア論文読み会 第15回: Twitter (X) use predicts substantial changes in well-being, polarization, sense of belonging, and outrage
hkefka385
0
72
ウェブ・ソーシャルメディア論文読み会 (第9回): CHI2023 Cultural Differences in Friendship Network Behaviors: A Snapchat Case Study
hkefka385
0
150
ICWSM2023 The Chance of Winning Election Impacts on Social Media.
hkefka385
0
54
DEIM2023 大規模Webデータにおけるキーワード・地域ごとの拡散パターン抽出
hkefka385
0
120
CIKM2022 Mining Reaction and Diffusion Dynamics in Social Activities
hkefka385
0
110
Other Decks in Research
See All in Research
Trezor Safe 3 ファーストインプレッション
toshihr
0
190
時系列解析と疫学
kingqwert
2
920
「歴史的農業環境閲覧システム」と「迅速測図」について
wata909
1
600
ICLR2024 LLMエージェントの研究動向
masatoto
3
760
床面圧力センサ開発における感圧導電シート分離方式の検討 / WISS2023
yumulab
0
270
待機電力を削減したネットワーク更新型電子ペーパーサイネージの開発と評価 / IOT64
yumulab
0
110
Prompt Tuning から Fine Tuning への移行時期推定
icoxfog417
17
7k
Breaking Tradeoffs: Extremely Scalable Multi-Agent Pathfinding Algorithms
kei18
0
140
HP (Hitto Point: 筆頭ポイント)
tanichu
0
710
Webスケールデータセットに対する実用的なポイズニング手法 / Poisoning Web-Scale Training Datasets is Practical
nttcom
0
120
メタ動画データセットによる動作認識の現状と可能性
yuyay
0
180
[ICLR'24] Towards Assessing and Benchmarking Risk-Return Tradeoff of OPE
harukakiyohara_
0
200
Featured
See All Featured
What's in a price? How to price your products and services
michaelherold
237
11k
Six Lessons from altMBA
skipperchong
21
3k
BBQ
matthewcrist
80
8.8k
Large-scale JavaScript Application Architecture
addyosmani
504
110k
Thoughts on Productivity
jonyablonski
58
3.8k
The Invisible Side of Design
smashingmag
294
49k
Principles of Awesome APIs and How to Build Them.
keavy
121
16k
Docker and Python
trallard
34
2.7k
Designing the Hi-DPI Web
ddemaree
276
33k
A Tale of Four Properties
chriscoyier
151
22k
VelocityConf: Rendering Performance Case Studies
addyosmani
320
23k
Fantastic passwords and where to find them - at NoRuKo
philnash
37
2.5k
Transcript
5XJUUFSʹ͓͚Δ ϑΣΠΫχϡʔε֦ࢄϞσϧͷఏҊ ଜࢁଠҰɼएٶᠳࢠɼߥӳ࣏ɼখྛ྄ଠ ಸྑઌՊֶٕज़େֶӃେֶ ౦ژେֶ DEIM2021 H33-5
2 l ιʔγϟϧϝσΟΞ্ʹ͓͚Δχϡʔεಡऀͷ૿Ճ l ΞϝϦΧͰͷ͕ιʔγϟϧϝσΟΞ͔Β χϡʔεΛऔಘ l ༷ʑͳχϡʔεΛଟ͘ͷϢʔβʹΑͬͯਫ਼ࠪͤ͞Εͣʹ ֦ࢄɼதʹޡͬͨχϡʔε ϑΣΠΫχϡʔε
l ϑΣΠΫχϡʔεͷఆٛɾ l ͦͷχϡʔεͷഎޙʹଘࡏ͢ΔҙਤҙຯʹؔΘΒͣɼޡͬͨใ͕4/4ͳ ͲΛ௨ͯ͡ଟ͘ͷਓʑʹ·Δχϡʔε l ଟ͘ͷϑΣΠΫχϡʔε͕ιʔγϟϧϝσΟΞͰ֦ࢄ͞Εɼຽओओٛ ιʔγϟϧϝσΟΞͷΤίγεςϜɼδϟʔφϦζϜɼܦࡁͱ͍༷ͬͨʑͳ ʹଟ͘ͷӨڹ എܠ from: Pew Research Center
3 ϑΣΠΫχϡʔεͷྫ (1/2) • ܦࡁɿ "TTPDJBUFE1SFTTࣾͷ5XJUUFSΞΧϯτͷͬऔΓʹΑ ΔϑΣΠΫχϡʔε • ʮϗϫΠτϋεͰരൃ͕ճ͋ΓɺΦόϚେ౷ྖ͕ෛইͨ͠ʯͱ͍͏ ϑΣΠΫχϡʔε
• ͦͷӨڹͰɼμۀฏۉגՁ͕ؒ Ͱٸམ എܠ From: https://www.businessinsider.com/ap-hacked-obama-injured-white-house-explosions-2013-4 From: https://www.marketwatch.com/story/this-day-in-history-hacked-ap-tweet-about-white-house -explosions-triggers-panic-2018-04-23
4 ϑΣΠΫχϡʔεͷྫ (2/2) • ݈߁ɿ$07*%ؔͷϑΣΠΫχϡʔε • 7JUBNJO$Ͱίϩφ༧͕Ͱ͖Δ • (ωοτϫʔΫʹΑͬͯίϩφ͕·Δ എܠ
From: https://k-tai.watch.impress.co.jp/docs/news/1246278.html
5 ຊݚڀͷత • 5XJUUFSͰͷϑΣΠΫχϡʔεͷΧεέʔυͷϞσϧԽ • ϑΣΠΫχϡʔεͷΧεέʔυΛཧղ͢Δ͜ͱɼϑΣΠΫχϡʔεͷݕग़ͳͲͷԠ༻ λεΫʹ༗༻ • χϡʔεʹؔ͢ΔϢʔβͷߘ࣌ؒͱϑΥϩϫʔͷใΛ׆༻ͯ͠ɼ֦ࢄͷ͢͠͞Λ ϞσϦϯά
എܠ Breaking News!! Discovery a huge cat Fake News Timeline ユーザによる投稿と拡散 2020/01/01 12:00 この猫でかすぎ! http://.... Modeling 投稿確率
6 ϑΣΠΫχϡʔεͷΧεέʔυϞσϦϯάͷԾઆ • ϑΣΠΫχϡʔεͷΧεέʔυɼஈ֊ͷΧεέʔυʹΑͬͯߏ • ͭͷΧεέʔυỚ௨ৗͷχϡʔεͷੑ࣭Λ࣋ͬͨΧεέʔυ • ͭͷΧεέʔυỚݩͷχϡʔε͕ϑΣΠΫͩͱٙΘΕͨΓɼࢦఠ͞Εͨ͜ͱʹΑͬͯ గਖ਼࣌ࠁ!"͔Βੜ͡Δగਖ਼ͷੑ࣭Λ࣋ͬͨΧεέʔυ ఏҊϞσϧ
通常のニュースの カスケード 訂正の性質を持った カスケード
7 ϕʔεϞσϧTime-Dependent Hawkes Process ఏҊϞσϧ l )BXLFT1SPDFTTͱ͍͏աఔ Ϟσϧͷछ l աڈͷΠϕϯτͱܦա͔࣌ؒΒ
࣍ͷΠϕϯτൃੜ֬Λࢉग़ From: A Tutorial on Hawkes Processes for Events in Social Media イベント発⽣ time イベント発⽣確率
8 ϕʔεϞσϧTime-Dependent Hawkes Process ఏҊϞσϧ Timeline ユーザによる投稿と拡散 Modeling t, t
+ ∆% Ͱͷߘൃੜ֬ = λ % ∆% = ((%) ∑ ,:./0. 1, 2(% − %, ) ((%): 時間tにおける感染率, 1, : i番⽬のイベントでの観測者(フォロワー数) %, : i番⽬のイベントの投稿時間 2: どの程度記憶しているかを表した関数 感染率 どれだけの⼈が覚えているか Bใͷڧ͞ ؔ৺ͷߴ͞ S૬ରৼ෯ 56ৼಈͷλΠϛϯά 7ݮਰͷఔ ( % = 8 1 − : sin 2? @A % + 56 BC./E
9 ఏҊϞσϧ
Time (hour) ade ) cade ion) s Modeling Time (hour) Posting Activity ! " = $% " ℎ% " + $( (")ℎ( (") "+ 訂正時間"+でカスケードを分割 $% " ℎ% " $( (")ℎ( (") ℎ% " = , -:/012-3(/, /5) 6- 7(" − "- ) ℎ( " = , -:/5 1 /0 1/ 6- 7(" − "- ) $(") $("): 時間tにおける感染率, 6- : i番⽬のイベントでの観測者 (フォロワー数) "- : i番⽬のイベントの投稿時間 7: どの程度記憶しているかを表した関数
10 σʔληοτ • 3FDFOU'BLF/FXT 3'/ • ΞϝϦΧͷϑΣΠΫχϡʔεݕূαΠτʮ1PMJUJGBDUʯͱʮ4OPQFTʯʹΑͬͯ ݄ r ݄ʹใࠂ͞ΕͨϑΣΠΫχϡʔεΛऩू
• ΩʔϫʔυϕʔεͰ݅Ҏ্ͷߘ͔ͭ࣌ؒҎ্ͷߘ͕ଘࡏͨ͠ ݅ͷϑΣΠΫχϡʔε • 'BLF/FXTJO5PIPLVFBSUIRVBLF 5PIPLV • ݄͔Β݄·Ͱͷ౦ຊେࡂʹؔ͢ΔϑΣΠΫχϡʔεΛऩू IUUQTCMPHPTDPNBSUJDMF • ΩʔϫʔυΛ༻͍ͯ୳ࡧͨ݅͠Ҏ্ͷߘ͔ͭ࣌ؒҎ্ͷߘ͕ଘࡏͨ͠ ݅ͷϑΣΠΫχϡʔε ఏҊϞσϧͷݕূ
11 ࣮ݧઃఆ ϑΣΠΫχϡʔεͷߘΛ༧ଌ • ͭͷϑΣΠΫχϡʔεσʔληοτͷ֤χϡʔεΛରʹ ϞσϦϯάΛߦ͍ɼকདྷͷߘΛ༧ଌ • σʔλͷ؍࣌ؒ5ʹର͠ɼ ϞσϦϯάظؒΛ< 5>ɼςετظؒΛ<5
5>ͱͯ͠ઃఆ • ͭͷධՁࢦඪ༧ଌͷִؒΛ࣌ؒͱͯ͠ߘΛධՁ • .FBO&SSPS༧ଌͱਅͷͷࠩͷฏۉ • .FEJBO&SSPSࠩͷதԝ ఏҊϞσϧͷݕূ
12 ࣮ݧ݁ՌɿධՁࢦඪ ఏҊϞσϧͷධՁ 3'/ɼ5PIPLVσʔληοτͱʹఏҊख๏͕ଞͷख๏ΑΓ ߴ͍ਫ਼Λୡ 3'/ͷɼ5PIPLVͷ
13 ࣮ݧ݁Ռɿྦྷੵߘͷ࣌ܥྻ ఏҊϞσϧͷධՁ • Ϛθϯλ͕ఏҊख๏ɼࠇ͕࣮ଌ • ఏҊख๏͕࣮ଌʹ͍ۙ༧ଌߘΛୡ
14 ࣮ݧ݁Ռɿਪఆ͞Εͨύϥϝʔλͷ ఏҊϞσϧͷධՁ l 1BSBNFUFS! ஈ֊ͷΧεέʔυʹ͋ͨΔޡΓͱ໌Β͔ʹ ͳͬͨχϡʔεͷ֦ࢄɼஈ֊ʹ͋ͨΔ֦ࢄΑΓऑ͍ l 3'/σʔληοτͷɼ5PIPLVσʔληοτͷ l
గਖ਼࣌ؒ"#྆ํͷσʔληοτͰ࣌ؒޙఔ $ " = & 1 − ) sin 2. /0 " + 23 456/8
15 గਖ਼࣌ؒ!"ͷଥੑͷݕূ ఏҊϞσϧͷߟ l గਖ਼࣌ؒ!"લޙͷߘςΩετΛ֬ೝ l ఏҊϞσϧͰగਖ਼࣌ؒ!"ΛదʹݕͰ͖͍ͯΔ ͔Ͳ͏͔ΛߘͷςΩετͷ༰Ͱݕূ l σϚగਖ਼Λҙຯ͢ΔޠΛΧϯτ
1つ⽬のカスケード⁚ 通常のニュースの性質 を持つカスケード 2つ⽬のカスケード⁚ 訂正の性質を持つ カスケード
16 గਖ਼࣌ؒ!"ͷଥੑͷݕূɿWord cloud ఏҊϞσϧͷߟ ྫỚʮτϧί͕ԯԁຊʹدʯͱ͍͏ϑΣΠΫχϡʔε l గਖ਼࣌ؒ!" = 37લޙͷߘςΩετΛ8PSEDMPVEͰൺֱ l
!"ҎલͰʮࠃʯͱ͍ͬͨͦͷχϡʔεʹؔ͢Δޠ l !"ҎޙͰʮʯʹؔ͢ΔχϡʔεͱҰׅͰσϚͱࢦఠ
17 ·ͱΊ l 5XJUUFSͰͷϑΣΠΫχϡʔεͷగਖ਼ʹΑͬͯੜ͡Δஈ֊ͷ ΧεέʔυΛϞσϧԽ l ఏҊϞσϧʹΑΔকདྷͷߘ༧ଌͰߴ͍ਫ਼Λୡ l ఏҊϞσϧͰݕग़Ͱ͖ͨగਖ਼࣌ؒͱɼ5XJUUFSͷߘ༰Λ ॏͶͯൺֱͯ͠ΈΔͱɼగਖ਼࣌ؒҎ߱ʹʮϑΣΠΫχϡʔεΛగ
ਖ਼͢Δҙਤʯͷߘ͕ଟ͘ݟΒΕͨ ͓ΘΓʹ