抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ツイッターのようなオンラインソーシャルメディア(OSM)プラットフォームは,(mis)情報を高速ペースで無駄に大規模に拡張するために,これらのプラットフォームのユーザによって広く利用される。誤情報が社会へのパニック,恐怖,および財政的損失を引き起こすことが観察された。したがって,質量に広がる前にそのようなプラットフォームにおける誤情報を検出し制御することが重要である。本研究では,1タイプの誤情報(他のタイプは新しいニュース,ホックスなど)である反芻者に焦点を当てた。反芻者の広がりを制御する1つの方法は,おそらく反芻者,すなわち,反芻者を延ばすのにしばしば関与するユーザを同定することである。反芻者がラベルしたデータセット(高価なタスクである)のアベイラビリティの欠如のため,著者らは,反芻者と非反芻のピンセット情報を含む公的に利用可能なPHEMEデータセットを使用して,次に,PHEMEデータセットを反芻者データセットに変換するために弱い教師つき学習アプローチを適用した。ここでは,様々な教師つき学習手法を適用する前に,ユーザ,テキスト,およびegoネットワーク特徴の3種類の特徴を利用した。特に,このデータセット(ユーザユーザ回答グラフ)における固有ネットワーク特性を利用するために,グラフニューラルネットワーク(GNN)技法の型であるグラフ畳込みネットワーク(GCN)を探索した。GCN結果を他のアプローチ,SVM,RF,およびLSTMと比較した。F1-Scoreの0.864値およびAUC-ROCの0.720値に達する反芻者データセット上で行った広範な実験は,GCN技術を用いて可能な反芻者を同定するための方法論の有効性を示す。【JST・京大機械翻訳】
