심층 강화 학습을 통한 소셜 미디어 플랫폼의 루머 완화

소셜 미디어 플랫폼은 사람들이 정보의 확산과 수집을 하는 주요 채널 중 하나가 되었으며, 그 신뢰성은 네트워크에 퍼진 루머로 인해 심각하게 위협받고 있습니다. 루머에 대응하기 위해 사용자 정지 또는 실제 정보를 전파하는 기존 접근 방식은 비용이 높거나 사용자에게 방해가 됩니다. 본 논문에서는 소셜 네트워크에서 루머의 확산을 늦추기 위해 최소한의 링크 집합에만 개입하여 잘못된 정보에 대해 낮은 비즈니스 비용과 사용자 인식으로 대응할 수 있는 새로운 루머 완화 패러다임을 소개합니다. 루머 확산 메커니즘을 구현한 지식 기반 에이전트를 개발하였으며, 이는 소셜 미디어 플랫폼에서 정보 흐름을 캡처하기 위해 그래프 신경망을 이용하고 링크 선택을 위한 정책 네트워크를 사용하여 소셜 네트워크에 개입합니다. 실제 소셜 미디어 플랫폼에서의 실험 결과, 제안된 접근 방식이 루머의 영향을 효과적으로 완화할 수 있으며, 영향을 받은 인구를 25% 이상 대폭 줄일 수 있음을 보여줍니다. 본 논문의 코드는 https://github.com/tsinghua-fib-lab/DRL-Rumor-Mitigation 에서 공개됩니다.