كشف الشائعات باستخدام نهج جديد للشبكات العصبية الرسومية

الانتشار الواسع للشائعات على وسائل التواصل الاجتماعي أدى إلى تأثير سلبي على حياة الناس اليومية، مما أدى إلى حالة من الذعر والخوف ومشاكل الصحة النفسية للجمهور. كيفية دحض الشائعات في أقرب وقت ممكن لا تزال مشكلة صعبة. تركز الدراسات الحالية في الغالب على هيكل انتشار المعلومات لكشف الشائعات، بينما القليل من الأعمال تركز على الارتباط بين المستخدمين الذين قد يتعاونون لنشر الشائعات من أجل تحقيق شعبية كبيرة. في هذه الورقة، نقترح نموذج كشف جديد، يتعلم بشكل مشترك كل من تمثيلات الارتباط بين المستخدمين وانتشار المعلومات لكشف الشائعات على وسائل التواصل الاجتماعي. بشكل محدد، نستفيد من الشبكات العصبية الرسومية لتعلم تمثيلات الارتباط بين المستخدمين من رسم ثنائي يصف العلاقات بين المستخدمين والتغريدات المصدر، وتمثيلات انتشار المعلومات باستخدام هيكل شجري. ثم نجمع بين التمثيلات المكتسبة من هذين النموذجين لتصنيف الشائعات. نظرًا لأن المستخدمين الخبيثين ينوون تقويض نموذجنا بعد نشره، نقوم بتطوير خطة هجوم جشع لتحليل تكلفة ثلاثة هجمات عدائية: هجوم على الرسم، هجوم على التعليق وهجوم مشترك. توضح نتائج التقييم على مجموعتين بيانات عامتين أن النموذج المقترح يتفوق على أفضل نماذج كشف الشائعات. كما نوضح أن طريقتنا تؤدي بشكل جيد في كشف الشائعات مبكرًا. علاوة على ذلك، فإن طريقة الكشف المقترحة أكثر قوة تجاه الهجمات العدائية مقارنة بأفضل الطرق الحالية. من المهم أن نبرز أنه يتطلب تكلفة عالية للمهاجمين لتقويض نمط ارتباط المستخدمين، مما يوضح أهمية النظر في ارتباط المستخدمين لكشف الشائعات.