전파 네트워크 특성 추출을 통한 소셜 미디어 속 루머 분류 (Feature Extraction from a Diffusion Network for Rumor Classification in Social Media)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 26권 / 2호 / 110 ~ 115페이지
· 저자명 : 최지호, 정시현, 김종권

초록

소셜 미디어는 현대 사회에서 강력한 정보 전달력을 가진 매체 중 하나로 이를 통해 루머(rumor)가 전파될 경우 큰 사회적 영향을 끼칠 수 있다. 소셜 미디어를 통해 확산된 루머는 때론 현실에 큰 피해를 야기하므로 루머를 분류하여 거짓 정보의 전파를 막는 노력은 중요시되고 있다. 본 논문에서는 소셜 미디어 속 루머의 자취(trace)를 이용하여 전파 네트워크(diffusion network)를 구성하고 이로부터 구조적(structural), 시간적(temporal), 사회적(social) 특성을 추출하여 루머 분류를 위한 기계학습 분류기 학습법을 제안한다. 실제 트위터 데이터에서 추출된 특성을 바탕으로 앙상블 분류기를 학습시킨 결과 진실인 루머, 거짓인 루머, 증명되지 않은 메시지, 루머가 아닌 메시지까지 4개의 레이블로 이루어진 네트워크 분류 문제에서 69.3% 이상의 정확도와 0.686 F1 점수의 성능을 확인하였다.

영어초록

Social media has become one of the most powerful mediums for information dissemination in modern society. However, it can cause great social impact if it facilitates the spread of rumors. Efforts to classify rumors and prevent the spread of false information are imperative because rumors can cause great damage in reality. In this paper, we proposed a method of training machine learning classifiers for rumor classification tasks by modeling the diffusion network from tracing rumors in social media. We extracted structural, temporal, and social characteristics from the diffusion network and used them as features to classify rumors. Based on the characteristics extracted from the real-world Twitter data, the study showed that the ensemble classifier had 69.3% accuracy and a 0.686 F1 score in network classification tasks with four labels: true rumors, false rumors, unverified messages, and non-rumors.

참고자료

· 없음