グラフ対照学習とカリキュラム学習を用いた堅牢な噂検出に向けて

ソーシャルメディアプラットフォーム上の情報の真実性を守るためには、堅牢な噂検出モデルを確立することが重要です。しかし、噂の拡散を止めるための既存のアプローチは、現実世界のシナリオではほとんど利用できない豊富でクリーンなトレーニングデータに依存しています。本研究では、不十分でノイズのあるラベルデータを扱える信頼できる噂検出モデルの開発を目指します。私たちの研究は、従来の早期検出を含む堅牢な噂検出と、ノイズのある不完全な伝播、ラベル不足とノイズ、ユーザーの消失という五つの堅牢性の問題に取り組んでいます。私たちは、情報伝播のグラフ、ユーザープロフィール、リツイートの知識をモデル学習に利用する新しい手法、堅牢性強化噂検出（RERD）を提案します。RERDの新規性は四つのポイントにあります。第一に、テキストと非テキストのリツイートの伝播構造を共同で活用し、ソースツイートの表現を学習します。第二に、関係性のある伝播を使用してグラフ表現学習のための上位から下位、下位から上位の情報フローを同時に活用します。第三に、効果的な早期かつ堅牢な検出を実現するために、情報伝播の早期かつ完全なビューを持つグラフで対照的学習を実施し、小さなスナップショットが将来の形を予測できるようにします。最後に、カリキュラム擬似ラベリングを使用して、ラベル不足とノイズのあるラベルの影響を軽減し、破損したデータから学習された表現を修正します。三つのベンチマークデータセットに関する実験結果は、RERDが従来の、早期の、堅牢な噂検出シナリオで一貫して競合他社を上回ることを示しています。私たちの知る限り、私たちは噂の早期および五つの堅牢な検出に同時に取り組む初めての存在です。