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
530
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
ウェブ・ソーシャルメディア論文読み会 第19回: Multidimensional political polarization in online social networks (Physical Review Research, 2024)
hkefka385
0
50
2024年度 分野の全体像と論文の探し方
hkefka385
0
74
2024年度 研究の進め方
hkefka385
0
630
2024年度 研究室との接し方
hkefka385
0
68
2024年度 連絡ツールDiscordの使い方
hkefka385
0
39
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
260
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
190
ICWSM2023 The Chance of Winning Election Impacts on Social Media.
hkefka385
0
66
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
150
Other Decks in Research
See All in Research
The past, present, and future of local-first
ept
0
390
大規模言語モデルを用いた その場での要約に基づく レビュー探索インタフェース
yamamotolab
0
240
#SRE論文紹介 Detection is Better Than Cure: A Cloud Incidents Perspective V. Ganatra et. al., ESEC/FSE’23
yuukit
3
940
Conducting AI Research on High-Performance Computing (HPC) Systems
yoshipon
2
460
DroidKaigi CfP分析
yukihiromori
0
110
SSII2024 [OS1] 現場の課題を解決する ロボットラーニング
ssii
PRO
0
420
DiscordにおけるキャラクターIPを活用したUGCコンテンツ生成サービスの ラピッドプロトタイピング ~国際ハッカソンでの事例研究
o_ob
0
150
20240710_熊本県議会・熊本市議会_都市交通勉強会
trafficbrain
0
560
SSII2024 [OS2] 画像、その先へ 〜モーション解析への誘い〜
ssii
PRO
1
1.1k
「Goトレ」のご紹介
smartfukushilab1
0
210
Cross-Media Information Spaces and Architectures
signer
PRO
0
150
Minimum Bayes-Risk Decoding における性能変動の理解に向けて(2024年6月5日 第59回 NLPコロキウム)
atsumoto
0
210
Featured
See All Featured
Teambox: Starting and Learning
jrom
130
8.6k
The Cult of Friendly URLs
andyhume
75
5.9k
The Cost Of JavaScript in 2023
addyosmani
31
4.7k
Building a Scalable Design System with Sketch
lauravandoore
458
32k
Optimizing for Happiness
mojombo
373
69k
Reflections from 52 weeks, 52 projects
jeffersonlam
346
19k
Practical Orchestrator
shlominoach
185
10k
Atom: Resistance is Futile
akmur
261
25k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
224
21k
Building Applications with DynamoDB
mza
89
5.8k
How to train your dragon (web standard)
notwaldorf
79
5.5k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
12
3.8k
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