基于点过程干预的虚假新闻缓解
机器学习
2017-06-21 v2 社会与信息网络
摘要
我们提出了首个多阶段干预框架，该框架通过将强化学习与点过程网络活动模型相结合，来解决社交网络中的虚假新闻问题。网络内虚假新闻的传播和缓解事件由带有附加外生控制项的多元 Hawkes 过程建模。通过选择状态的特征表示、定义缓解动作并构建衡量缓解活动有效性的奖励函数，我们将虚假新闻缓解问题映射到强化学习框架中。我们开发了多元网络化点过程独有的策略迭代方法，旨在优化动作以在预算约束下实现总奖励最大化。我们的方法在 Twitter 网络上缓解替代性虚假新闻活动的实时干预实验中表现出良好的性能，并在合成数据集上优于其他替代方法。
引用
@article{arxiv.1703.07823,
title = {Fake News Mitigation via Point Process Based Intervention},
author = {Mehrdad Farajtabar and Jiachen Yang and Xiaojing Ye and Huan Xu and Rakshit Trivedi and Elias Khalil and Shuang Li and Le Song and Hongyuan Zha},
journal= {arXiv preprint arXiv:1703.07823},
year = {2017}
}
备注
Point Process, Hawkes Process, Social Networks, Intervention and Control, Reinforcement Learning, ICML 2017