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
610
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
2025年度 生成AIの使い方/接し方
hkefka385
1
700
デジタル社会における陰謀論の課題とその対策
hkefka385
0
49
サイバー空間におけるフェイクニュースの広がりとその対策
hkefka385
0
51
ウェブ・ソーシャルメディア論文読み会 第25回: Differences in misinformation sharing can lead to politically asymmetric sanctions (Nature, 2024)
hkefka385
0
110
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
140
2024年度 分野の全体像と論文の探し方
hkefka385
0
150
2024年度 研究の進め方
hkefka385
0
850
2024年度 研究室との接し方
hkefka385
1
140
2024年度 連絡ツールDiscordの使い方
hkefka385
0
110
Other Decks in Research
See All in Research
20250624_熊本経済同友会6月例会講演
trafficbrain
1
170
数理最適化に基づく制御
mickey_kubo
5
670
Generative Models 2025
takahashihiroshi
21
12k
Creation and environmental applications of 15-year daily inundation and vegetation maps for Siberia by integrating satellite and meteorological datasets
satai
3
120
電通総研の生成AI・エージェントの取り組みエンジニアリング業務向けAI活用事例紹介
isidaitc
1
260
Sosiaalisen median katsaus 03/2025 + tekoäly
hponka
0
1.3k
90 分で学ぶ P 対 NP 問題
e869120
17
7.5k
定性データ、どう活かす? 〜定性データのための分析基盤、はじめました〜 / How to utilize qualitative data? ~We have launched an analysis platform for qualitative data~
kaminashi
6
1k
ウッドスタックチャン:木材を用いた小型エージェントロボットの開発と印象評価 / ec75-sato
yumulab
1
420
業界横断 副業・兼業者の実態調査
fkske
0
160
rtrec@dbem6
myui
6
870
クラウドのテレメトリーシステム研究動向2025年
yuukit
3
960
Featured
See All Featured
Scaling GitHub
holman
459
140k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
657
60k
A better future with KSS
kneath
239
17k
Measuring & Analyzing Core Web Vitals
bluesmoon
7
500
Building Better People: How to give real-time feedback that sticks.
wjessup
367
19k
VelocityConf: Rendering Performance Case Studies
addyosmani
331
24k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
Building an army of robots
kneath
306
45k
Bootstrapping a Software Product
garrettdimon
PRO
307
110k
The Art of Programming - Codeland 2020
erikaheidi
54
13k
Optimising Largest Contentful Paint
csswizardry
37
3.3k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
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