[논문]CoAID+ : 소셜 컨텍스트 기반 가짜뉴스 탐지를 위한 COVID-19 뉴스 파급 데이터

한소은; 강윤석; 고윤용; 안지원; 김유심; 오성수; 박희진; 김상욱

doi:10.3745/ktsde.2022.11.4.149

CoAID+ : 소셜 컨텍스트 기반 가짜뉴스 탐지를 위한 COVID-19 뉴스 파급 데이터
CoAID+ : COVID-19 News Cascade Dataset for Social Context Based Fake News Detection 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.11 no.4, 2022년, pp.149 - 156

한소은 (한양대학교 컴퓨터소프트웨어학과) , 강윤석 (한양대학교 컴퓨테이셔널 사회과학연구센터) , 고윤용 (한양대학교 인공지능 혁신인재교육 연구단) , 안지원 (한양대학교 컴퓨터소프트웨어학과) , 김유심 (Arizona State University 행정학과) , 오성수 (한양대학교 행정학과) , 박희진 (한양대학교 정보통신학부) , 김상욱 (한양대학교 정보통신학부)

초록
AI-Helper

최근 전 세계적으로 COVID-19이 유행하는 상황 속에서 이와 관련된 가짜뉴스가 심각한 사회적 혼란을 야기하고 있다. 이러한 배경에서 가짜뉴스를 정확하게 탐지하기 위해, 뉴스가 소셜 미디어를 통해 파급되는 과정과 같은 소셜 컨텍스트 정보를 활용하는 소셜 컨텍스트 기반 탐지 기법들이 널리 사용되고 있다. 그러나 대부분의 기 구축된 가짜뉴스 탐지를 위한 데이터들은 뉴스 자체의 내용 정보 위주로 구성되어, 소셜 컨텍스트 정보를 거의 포함하지 않는다. 즉, 이 데이터들에는 소셜 컨텍스트 기반 탐지 기법을 적용할 수 없으며, 이러한 데이터의 한계는 가짜뉴스 탐지 연구 분야의 발전을 저해하는 방해 요소이다. 본 논문은 이러한 한계를 극복하기 위해, 기존의 저명한 가짜뉴스 데이터인 CoAID 데이터를 기반으로, 소셜 컨텍스트 정보를 추가적으로 수집하여, CoAID 데이터의 뉴스 내용 정보와 해당 뉴스들의 소셜 컨텍스트 정보를 모두 포함하는 CoAID⁺ 데이터를 구축한다. 본 논문에서 구축한 CoAID⁺ 데이터는 기존의 대부분의 소셜 컨텍스트 기반 탐지 기법들에 적용될 수 있으며, 향후 새로운 소셜 컨텍스트 기반 탐지 기법들에 대한 연구도 더욱 활성화시킬 수 있을 것으로 기대된다. 마지막으로, 본 논문은 다양한 관점에서 CoAID⁺ 데이터를 분석하여 진짜뉴스와 가짜뉴스의 파급 패턴 및 키워드에 따른 파급 패턴도 파악하여 소개한다.

Abstract ▼ AI-Helper

In the current COVID-19 pandemic, fake news and misinformation related to COVID-19 have been causing serious confusion in our society. To accurately detect such fake news, social context-based methods have been widely studied in the literature. They detect fake news based on the social context that indicates how a news article is propagated over social media (e.g., Twitter). Most existing COVID-19 related datasets gathered for fake news detection, however, contain only the news content information, but not its social context information. In this case, the social context-based detection methods cannot be applied, which could be a big obstacle in the fake news detection research. To address this issue, in this work, we collect from Twitter the social context information based on CoAID, which is a COVID-19 news content dataset built for fake news detection, thereby building CoAID+ that includes both the news content information and its social context information. The CoAID+ dataset can be utilized in a variety of methods for social context-based fake news detection, thus would help revitalize the fake news detection research area. Finally, through a comprehensive analysis of the CoAID+ dataset in various perspectives, we present some interesting features capable of differentiating real and fake news.

주제어

표/그림 (6)

그림 Fig. 1. The Propagation Process
그림 Fig. 2. The Propagation Process
표 Table 1. Dataset Statistics
표 Table 2. The Extracted Structural and Temporal Features of News Articles in CoAID⁺
표 Table 3. The Difference Among the Structural and Temporal Features of News Groups (Vaccine, Face Mask)
표 Table 4. Keyword Group

참고문헌 (19)

K. Shu, A. Sliva, S. Wang, J. Tang, and H. Liu, "Fake news detection on social media: A data mining perspective," In Proceeding of the ACM SIGKDD Explorations Newsletter, Vol.19, No.1, pp.22-36, 2017.

상세보기
Y. Liu and Y. F. Wu, "Early detection of fake news on social media through propagation path classification with recurrent and convolutional networks," In Proceeding of the AAAI Conference on Artificial Intelligence, 2018.
K. Shu, D. Mahudeswaran, S. Wang, and H. Liu, "Hierarchical propagation networks for fake news detection: Investigation and exploitation," In Proceeding of the International AAAI Conference on Web and Social Media, Vol.14, pp.626-637, 2020.
F. Monti, F. Frasca, D. Eynard, D. Mannion, and M. M. Bronstein, "Fake news detection on social media using geometric deep learning," arXiv preprint arXiv:1902.06673, 2019.
K. Shu, S. Wang, and H. Liu, "Beyond news contents: The role of social context for fake news detection," In Proceeding of the Twelfth ACM International Conference on Web Search and Data Mining, pp.312-320, 2019.
S. Vosoughi, D. Roy, and S. Aral, "The spread of true and false news online," Science, Vol.359, No.6380, pp.1146-1151, 2018.

상세보기
L. Cui and D. Lee, "Coaid: Covid-19 healthcare misinformation dataset," arXiv preprint arXiv:2006.00885, 2020.
X. Zhou, A. Mulay, E. Ferrara, and R. Zafarani, "Recovery: A multimodal repository for covid-19 news credibility research," In Proceeding of the 29th ACM International Conference on Information & Knowledge Management, pp.3205-3212, 2020.
G. K. Shahi and D. Nandini, "FakeCovid--A multilingual cross-domain fact check news dataset for COVID-19," arXiv preprint arXiv:2006.11343, 2020.
M. Abdul-Mageed, A. Elmadany, E. M. B. Nagoudi, D. Paddi, K. Verma, and R. Lin, "Mega-cov: A billion-scale dataset of 100+ languages for covid-19," arXiv preprint arXiv:2005.06012, 2020.
C. Castillo, M. Marcelo, and B. Poblete, "Predicting information credibility in time-sensitive social media," Internet Research, 2013.
A. Gupta, P. Kumaraguru, C. Castillo, and P. Meier, "Tweetcred: Real-time credibility assessment of content on twitter," International conference on social informatics, Springer, Cham, 2014.
Z. Jin, J. Cao, Y. Zhang, and J. Luo, "News verification by exploiting conflicting social viewpoints in microblogs," In Proceeding of the AAAI Conference on Artificial Intelligence, Vol.30. No.1, 2016.
E. Tacchini, G. Ballarin, ML.Vedova, S. Moret and L. Alfaro, "Some like it hoax: Automated fake news detection in social networks," arXiv preprint arXiv:1704.07506, 2017.
S. Badaskar, S. Agarwal, and S. Arora, "Identifying real or fake articles: Towards better language modeling," In Proceeding of the Third International Joint Conference on Natural Language Processing: Volume-II, 2008.
B. Riedel, et al. "A simple but tough-to-beat baseline for the Fake News Challenge stance detection task," arXiv preprint arXiv:1707.03264, 2017.
H. Ahmed, I. Traore, and S. Saad, "Detection of online fake news using n-gram analysis and machine learning techniques," International Conference on Intelligent, Secure, and Dependable Systems in Distributed and Cloud Environments, Springer, Cham, 2017.
M. Potthast, J. Kiesel, K. Reinartz, J. Bevendorff, and B. Stein, "A stylometric inquiry into hyperpartisan and fake news," arXiv preprint arXiv:1702.05638, 2017.
S. Han, Y. Kang, Y. Ko, J. Ahn, Y. Kim, S. Oh, H. Park, and S. Kim, "COVID-19 Cascade Dataset for Fake News Detection," The KIPS Spring Conference 2021, Vol.28, No.1, pp.312-313, 2021.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증