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
510
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
48
2024年度 研究の進め方
hkefka385
0
580
2024年度 研究室との接し方
hkefka385
0
49
2024年度 連絡ツールDiscordの使い方
hkefka385
0
25
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
75
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
56
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
130
CIKM2022 Mining Reaction and Diffusion Dynamics in Social Activities
hkefka385
0
110
Other Decks in Research
See All in Research
Source Code Diff Revolution (JetBrains Open Reading Club)
tsantalis
0
300
CSC590 Lecture 01
javiergs
PRO
0
130
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
220
媒介分析と疫学
kingqwert
0
130
プロシェアリング白書2024_PROSHARING_REPORT_2024
circulation
0
750
Accurate Method and Variable Tracking in Commit History
tsantalis
0
290
[輪講資料] Text Embeddings by Weakly-Supervised Contrastive Pre-training
hpprc
3
410
Sosiaalisen median katsaus 02/2024
hponka
0
2.9k
インタビューだけじゃない!ユーザーに共感しユーザーの目👀を手に入れるためのインプット
moco1013
0
290
AIを前提とした体験の実現に向けて/toward_ai_based_experiences
monochromegane
1
260
説明可能AI:代表的手法と最近の動向
yuyay
1
650
リサーチに組織を巻き込むための「準備8割」の話
terasho
0
480
Featured
See All Featured
Automating Front-end Workflow
addyosmani
1357
200k
5 minutes of I Can Smell Your CMS
philhawksworth
199
19k
In The Pink: A Labor of Love
frogandcode
138
21k
Typedesign – Prime Four
hannesfritz
36
2.1k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
41
4.4k
No one is an island. Learnings from fostering a developers community.
thoeni
16
2.1k
Building a Modern Day E-commerce SEO Strategy
aleyda
22
6.4k
Writing Fast Ruby
sferik
622
60k
Bootstrapping a Software Product
garrettdimon
PRO
302
110k
Put a Button on it: Removing Barriers to Going Fast.
kastner
58
3.1k
Design by the Numbers
sachag
274
18k
A Tale of Four Properties
chriscoyier
153
22k
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