가짜 뉴스에 맞서기 위한 효과적인 방법: 검열, 폭로, 사전 정보

링크 표

초록 및 소개

관련 작품

예선

최적의 프리벙킹 문제

결정론적 기준 정책

시간적으로 등거리인 프리벙킹

수치 결과

결론 및 참고자료

II. 관련 작품

가. 허위사실에 대한 대응

우리는 잘못된 정보에 대응하는 방법을 검열, 사실 폭로, 사전 사실 확인, 식별의 네 가지 범주로 분류합니다. 처음 세 가지 범주는 모두 잘못된 정보의 영향을 줄이기 위해 시도합니다. 검열이란 네트워크에서 정보의 전파를 통제함으로써 잘못된 정보의 확산을 억제하는 것을 목표로 하는 모든 방법을 말합니다[7], [8]. 검열은 소셜 네트워킹 플랫폼에서 흔히 발생하지만 언론의 자유와 관련된 중요한 문제를 야기합니다.

디벙킹(Debunking)이란 잘못된 정보가 이미 퍼진 후에 사용자에게 올바른 정보를 제공하여 잘못된 정보를 바로잡는 것을 의미하고, 프리벙킹(Prebunking)은 잘못된 정보가 퍼지기 전에 올바른 정보를 발행하는 것을 의미합니다. 사실을 폭로하는 자동화된 예는 모두 잘못된 정보를 제공하는 텍스트 콘텐츠를 폭로하는 것을 목표로 하는 수많은 자동화된 사실 확인 방법입니다[9], [10]. 사회 심리학에 대한 현재의 이해는 잘못된 정보에 대응하는 효과 측면에서 거짓을 폭로하는 것보다 사전에 거짓을 밝히는 것이 더 우수하다는 것을 나타냅니다[4], [6], [11]. 본 논문에서는 소셜 네트워킹 플랫폼에서 사용자에게 프리벙크 전달 시간을 자동으로 최적화하는 알고리즘을 개발하여 프리벙킹 자동화에 기여합니다.

식별은 소셜 네트워크 내에서 잘못된 정보를 제공하는 콘텐츠를 탐지하는 것을 목표로 하는 모든 방법을 의미합니다. 이러한 모델은 자연어 처리 모델을 활용하는 경우가 많습니다[12], [13]. Del Vicarioet al. [14]는 잘못된 정보의 전파 특성이 콘텐츠 분류에 의존하지 않고 탐지를 허용한다는 것을 보여주었습니다. 최근에는 Shaar et al. [15] 이미 사실 확인된 주장을 식별하는 방법을 소개합니다. 본 논문에서는 잘못된 정보 탐지를 직접적으로 사용하지 않습니다. 그러나 우리는 잘못된 정보 내용을 이미 알고 있다고 가정하므로 정확한 잘못된 정보 탐지는 우리가 제시하는 방법의 전제 조건으로 남아 있습니다.

B. 소문 전파 모델

사전 배송을 위한 최적의 시간을 결정하려면 잘못된 정보가 관심 있는 사용자에게 언제 도착할지에 대한 정확한 추정이 필요합니다. 이 추정에는 소문 전파 모델이 필요합니다. 이 논문에서는 잘못된 정보 전파를 모델링하기 위해 구획 모델이라고도 알려진 전염병 모델[16]에 크게 의존합니다. 이름에서 알 수 있듯이 이러한 모델은 전염병학을 기반으로 하며 사용자를 취약성 또는 감염자와 같은 다양한 범주로 분할하여 소문 전파를 모델링한 다음 시간이 지남에 따라 이러한 파티션이 상호 작용하는 규칙을 정의합니다. 잘못된 정보 모델링에 사용되는 광범위한 전염병 모델이 있습니다[17]. 그 중 가장 많은 것은 SI [18], SIR [19], [20], SIS [21], [22] 모델이다. SI(감수성 감염) 모델은 모델링하기 쉽고 임의 그래프 모델을 사용한 분석을 허용하는 유일한 모델인 경우가 많습니다. SIR(감수성-감염-복구) 및 SIS(감수성-감염-감수성)는 SI 모델을 개선하여 시뮬레이션에 상당한 계산 복잡성을 추가하지 않고도 더욱 정확하게 만듭니다. 이러한 개선에도 불구하고 SI 전파는 단순성 및 잘못된 정보에 대응하기 위한 가장 중요한 단계인 잘못된 정보 전파의 초기 단계에 대해 SIS 및 SIR 모델과 유사한 동작을 갖기 때문에 여전히 사용됩니다. 이 논문 전체에서 우리는 잘못된 정보 전파를 추정하기 위해 SI 모델을 사용합니다.