Fake news, false or misleading information presented as news, has a significant impact on many aspects of society, such as in politics or healthcare domains. Due to the deceiving nature of fake news, applying Natural Language Processing (NLP) techniques to the news content alone is insufficient. Therefore, more information is required to improve fake news detection, such as the multi-level social context (news publishers and engaged users in social media) information and the temporal information of user engagement. The proper usage of this information, however, introduces three chronic difficulties: 1) multi-level social context information is hard to be used without information loss, 2) temporal information is hard to be used along with multi-level social context information, 3) news representation with multi- level social context and temporal information is hard to be learned in an end-to-end manner. To overcome all three difficulties, we propose a novel fake news detection framework, Hetero-SCAN. We use Meta- Path to extract meaningful multi-level social context information without loss. Meta-Path, a composite relation connecting two node types, is proposed to capture the semantics in the heterogeneous graph. We then propose Meta-Path instance encoding and aggregation methods to capture the temporal information of user engagement and learn news representation end-to-end. According to our experiment, Hetero-SCAN yields significant performance improvement over state-of-the-art fake news detection methods.
가짜 뉴스, 뉴스로 제공되는 거짓 또는 오해의 소지가 있는 정보는 정치 또는 의료 영역과 같은 사회의 여러 측면에 중대한 영향을 미칩니다. 가짜 뉴스의 속임수 특성으로 인해 뉴스 콘텐츠에 NLP(자연어 처리) 기술을 적용하는 것만으로는 충분하지 않습니다. 따라서 다단계 소셜 컨텍스트(소셜 미디어의 뉴스 게시자 및 참여 사용자) 정보 및 사용자 참여의 시간 정보와 같은 가짜 뉴스 탐지를 개선하기 위해 더 많은 정보가 필요합니다. 그러나 이 정보의 적절한 사용은 3가지 고질적인 어려움을 야기합니다. 1) 다차원적 사회적 맥락 정보는 정보 손실 없이 사용하기 어렵습니다, 2) 시간적 정보는 다차원적 사회적 맥락 정보와 함께 사용하기 어렵습니다, 3 ) 다단계 사회적 맥락과 시간적 정보가 있는 뉴스 표현은 종단 간 방식으로 학습하기 어렵습니다. 이 세 가지 어려움을 모두 극복하기 위해 우리는 새로운 가짜 뉴스 탐지 프레임워크인 Hetero-SCAN을 제안합니다. 의미 있는 다단계 사회적 맥락 정보를 손실 없이 추출하기 위해 Meta-Path를 사용합니다. 두 노드 유형을 연결하는 합성 관계인 Meta-Path는 이종 그래프에서 의미를 포착하기 위해 제안됩니다. 그런 다음 사용자 참여의 시간 정보를 캡처하고 End-to-end 방식으로 뉴스 표현을 학습하기 위해 Meta-Path 인스턴스 인코딩 및 집계 방법을 제안합니다. 우리의 실험에 따르면 Hetero-SCAN은 최첨단 가짜 뉴스 탐지 방법에 비해 상당한 성능 향상을 보입니다.
