FauxWard：一种利用社交媒体评论进行假照片检测的图神经网络方法
社会与信息网络
2021-06-22 v1
摘要
在线社交媒体已成为人们消费和分享新闻内容的流行来源。近来，线上错误信息的传播引发了广泛担忧。本工作中，我们关注一项关键任务：检测社交媒体上的假照片（fauxtography），即图像与关联文本共同传达误导性信息。已有许多缓解线上错误信息的努力，但我们发现现有工作未能充分解决假照片问题。仅聚焦于检测社交媒体上假图像或误导文本的方案，往往无法识别假照片帖子中由图像与关联文本共同传递的错误信息。本文中，我们开发了 FauxWard，一种新颖的图卷积神经网络框架，其显式探索从社交媒体帖子用户评论网络中提取的复杂信息，以有效识别假照片。FauxWard 是无内容的，即它不分析帖子本身的视觉或文本内容，这使其对故意通过编辑文本或图像内容来精心制作以图像为中心的帖子的老练假照片上传者具有鲁棒性。我们在来自主流社交媒体平台（即 Reddit 和 Twitter）的两个真实数据集上评估了 FauxWard。结果表明 FauxWard 在识别社交媒体假照片帖子上既有效又高效。
引用
@article{arxiv.2106.11227,
title = {FauxWard: A Graph Neural Network Approach to Fauxtography Detection Using Social Media Comments},
author = {Lanyu Shang and Yang Zhang and Daniel Zhang and Dong Wang},
journal= {arXiv preprint arXiv:2106.11227},
year = {2021}
}