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

Transcript

1. 5XJUUFSʹ͓͚Δ ϑΣΠΫχϡʔε֦ࢄϞσϧͷఏҊ ଜࢁଠҰɼएٶᠳࢠɼߥ຀ӳ࣏ɼখྛ྄ଠ  ಸྑઌ୺Պֶٕज़େֶӃେֶ  ౦ژେֶ DEIM2021 H33-5
2. 2 l ιʔγϟϧϝσΟΞ্ʹ͓͚Δχϡʔεಡऀͷ૿Ճ l ΞϝϦΧͰ͸෼ͷ͕ιʔγϟϧϝσΟΞ͔Β χϡʔεΛऔಘ l ༷ʑͳχϡʔεΛଟ͘ͷϢʔβʹΑͬͯਫ਼ࠪͤ͞Εͣʹ ֦ࢄɼதʹ͸ޡͬͨχϡʔε ϑΣΠΫχϡʔε ΋ l ϑΣΠΫχϡʔεͷఆٛɾ໰୊ l ͦͷχϡʔεͷഎޙʹଘࡏ͢Δҙਤ΍ҙຯʹؔΘΒͣɼޡͬͨ৘ใ͕4/4ͳ ͲΛ௨ͯ͡ଟ͘ͷਓʑʹ޿·Δχϡʔε l ଟ͘ͷϑΣΠΫχϡʔε͕ιʔγϟϧϝσΟΞͰ֦ࢄ͞Εɼຽओओٛ΍ ιʔγϟϧϝσΟΞͷΤίγεςϜɼδϟʔφϦζϜɼܦࡁͱ͍༷ͬͨʑͳ ෼໺ʹଟ͘ͷӨڹ എܠ from: Pew Research Center
3. 3 ϑΣΠΫχϡʔεͷྫ (1/2) • ܦࡁɿ "TTPDJBUFE
   1SFTTࣾͷ5XJUUFS
   ΞΧ΢ϯτͷ৐ͬऔΓʹΑ ΔϑΣΠΫχϡʔε • ʮϗϫΠτϋ΢εͰരൃ͕ճ͋ΓɺΦόϚେ౷ྖ͕ෛইͨ͠ʯͱ͍͏ ϑΣΠΫχϡʔε • ͦͷӨڹͰɼμ΢޻ۀฏۉגՁ͕਺෼ؒ 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. 4 ϑΣΠΫχϡʔεͷྫ (2/2) • ݈߁ɿ$07*%ؔ܎ͷϑΣΠΫχϡʔε • 7JUBNJO
   $Ͱίϩφ༧๷͕Ͱ͖Δ • (
   ωοτϫʔΫʹΑͬͯίϩφ͕޿·Δ എܠ From: https://k-tai.watch.impress.co.jp/docs/news/1246278.html
5. 5 ຊݚڀͷ໨త • 5XJUUFSͰͷϑΣΠΫχϡʔεͷΧεέʔυͷϞσϧԽ • ϑΣΠΫχϡʔεͷΧεέʔυΛཧղ͢Δ͜ͱ͸ɼϑΣΠΫχϡʔεͷݕग़ͳͲͷԠ༻ λεΫʹ༗༻ • χϡʔεʹؔ͢ΔϢʔβͷ౤ߘ࣌ؒͱϑΥϩϫʔͷ৘ใΛ׆༻ͯ͠ɼ֦ࢄͷ͠΍͢͞Λ 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. 6 ϑΣΠΫχϡʔεͷΧεέʔυϞσϦϯάͷԾઆ • ϑΣΠΫχϡʔεͷΧεέʔυ͸ɼஈ֊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. 7 ϕʔεϞσϧ
   Time-Dependent Hawkes Process ఏҊϞσϧ l )BXLFT
   1SPDFTTͱ͍͏఺աఔ Ϟσϧͷछ l աڈͷΠϕϯτͱܦա͔࣌ؒΒ ࣍ͷΠϕϯτൃੜ֬཰Λࢉग़ 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. 8 ϕʔεϞσϧ
   Time-Dependent Hawkes Process ఏҊϞσϧ Timeline ユーザによる投稿と拡散 Modeling t, t + ∆% Ͱͷ౤ߘൃੜ֬཰ = 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 B
   ৘ใͷڧ͞ ؔ৺౓ͷߴ͞ S
   ૬ରৼ෯ 56
   ৼಈͷλΠϛϯά 7
   ݮਰͷఔ౓ ( % = 8 1 − : sin 2? @A % + 56 BC./E
9. 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. 10 σʔληοτ • 3FDFOU
    'BLF
    /FXT
    3'/ • ΞϝϦΧͷϑΣΠΫχϡʔεݕূαΠτ
    ʮ1PMJUJGBDUʯͱʮ4OPQFTʯʹΑͬͯ ೥݄ r ݄ʹใࠂ͞ΕͨϑΣΠΫχϡʔεΛऩू • ΩʔϫʔυϕʔεͰ݅Ҏ্ͷ౤ߘ͔ͭ࣌ؒҎ্ͷ౤ߘ͕ଘࡏͨ͠ ݅ͷϑΣΠΫχϡʔε • 'BLF
    /FXT
    JO
    5PIPLV
    FBSUIRVBLF
    5PIPLV • ೥݄೔͔Β݄೔·Ͱͷ౦೔ຊେ਒ࡂʹؔ͢ΔϑΣΠΫχϡʔεΛऩू IUUQTCMPHPTDPNBSUJDMF • ΩʔϫʔυΛ༻͍ͯ୳ࡧͨ݅͠Ҏ্ͷ౤ߘ͔ͭ࣌ؒҎ্ͷ౤ߘ͕ଘࡏͨ͠ ݅ͷϑΣΠΫχϡʔε ఏҊϞσϧͷݕূ
11. 11 ࣮ݧઃఆ ϑΣΠΫχϡʔεͷ౤ߘ਺Λ༧ଌ • ͭͷϑΣΠΫχϡʔεσʔληοτͷ֤χϡʔεΛର৅ʹ ϞσϦϯάΛߦ͍ɼকདྷͷ౤ߘ਺Λ༧ଌ • σʔλͷ؍࡯࣌ؒ5ʹର͠ɼ ϞσϦϯάظؒΛ<
    5>ɼςετظؒΛ<5
    5>ͱͯ͠ઃఆ • ͭͷධՁࢦඪ
    ༧ଌͷִؒΛ࣌ؒͱͯ͠౤ߘ਺ΛධՁ • .FBO
    &SSPS
    ༧ଌ஋ͱਅͷ஋ͷࠩ෼ͷฏۉ • .FEJBO
    &SSPS
    ࠩ෼ͷதԝ஋ ఏҊϞσϧͷݕূ
12. 12 ࣮ݧ݁ՌɿධՁࢦඪ ఏҊϞσϧͷධՁ 3'/ɼ5PIPLVσʔληοτͱ΋ʹఏҊख๏͕ଞͷख๏ΑΓ΋ ߴ͍ਫ਼౓Λୡ੒ 3'/ͷɼ5PIPLVͷ
13. 13 ࣮ݧ݁Ռɿྦྷੵ౤ߘ਺ͷ࣌ܥྻ ఏҊϞσϧͷධՁ • Ϛθϯλ͕ఏҊख๏ɼࠇ͕࣮ଌ஋ • ఏҊख๏͕࣮ଌ஋ʹ͍ۙ༧ଌ౤ߘ਺Λୡ੒
14. 14 ࣮ݧ݁Ռɿਪఆ͞Εͨύϥϝʔλͷ܏޲ ఏҊϞσϧͷධՁ l 1BSBNFUFS
    ! 
    ஈ֊໨ͷΧεέʔυʹ͋ͨΔޡΓͱ໌Β͔ʹ ͳͬͨχϡʔεͷ֦ࢄ͸ɼஈ֊໨ʹ͋ͨΔ֦ࢄΑΓ΋ऑ͍܏޲ l 3'/σʔληοτͷɼ5PIPLVσʔληοτͷ l గਖ਼࣌ؒ"#͸྆ํͷσʔληοτͰ࣌ؒޙఔ౓ $ " = & 1 − ) sin 2. /0 " + 23 456/8
15. 15 గਖ਼࣌ؒ!"ͷଥ౰ੑͷݕূ ఏҊϞσϧͷߟ࡯ l గਖ਼࣌ؒ!"લޙͷ౤ߘςΩετΛ֬ೝ l ఏҊϞσϧͰగਖ਼࣌ؒ!"Λద੾ʹݕ஌Ͱ͖͍ͯΔ ͔Ͳ͏͔Λ౤ߘͷςΩετͷ಺༰Ͱݕূ l σϚ΍గਖ਼Λҙຯ͢ΔޠΛΧ΢ϯτ 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. 16 గਖ਼࣌ؒ!"ͷଥ౰ੑͷݕূɿWord cloud ఏҊϞσϧͷߟ࡯ ྫỚʮτϧί͕ԯԁ೔ຊʹد෇ʯͱ͍͏ϑΣΠΫχϡʔε l గਖ਼࣌ؒ!" = 37લޙͷ౤ߘςΩετΛ8PSE
    DMPVEͰൺֱ l !"ҎલͰ͸ʮ਌೔ࠃʯͱ͍ͬͨͦͷχϡʔεʹؔ͢Δޠ l !"ҎޙͰ͸ʮ୆࿷ʯʹؔ͢ΔχϡʔεͱҰׅͰσϚͱࢦఠ
17. 17 ·ͱΊ l 5XJUUFSͰͷϑΣΠΫχϡʔεͷగਖ਼ʹΑͬͯੜ͡Δஈ֊ͷ ΧεέʔυΛϞσϧԽ l ఏҊϞσϧʹΑΔকདྷͷ౤ߘ਺༧ଌͰߴ͍ਫ਼౓Λୡ੒ l ఏҊϞσϧͰݕग़Ͱ͖ͨగਖ਼࣌ؒͱɼ5XJUUFSͷ౤ߘ಺༰Λ ॏͶͯൺֱͯ͠ΈΔͱɼగਖ਼࣌ؒҎ߱ʹʮϑΣΠΫχϡʔεΛగ ਖ਼͢Δҙਤʯͷ౤ߘ͕ଟ͘ݟΒΕͨ ͓ΘΓʹ