VigDet：融合知识先验的神经时间点火过程用于社交媒体协同检测
机器学习
2021-11-01 v1 人工智能
社会与信息网络
摘要
近年来，社交媒体上由虚假信息活动操纵的协同账号日益增多，以影响公众舆论并操纵社会结果。因此，亟需开发一种有效的协同群组检测方法以应对社交媒体上的虚假信息。然而，现有工作存在诸多缺陷，例如要么因极度依赖预定义的协同特征而性能有限，要么无法利用有用的先验领域知识来解决社交媒体上账号活动天然稀疏的问题。因此，在本文中，我们提出了一种将神经时间点火过程与先验知识（如时序逻辑或预定义过滤函数）相结合的协同检测框架。具体而言，当用神经时间点火过程对社交媒体上的观测数据建模时，我们基于群组分配与（1）账号嵌入空间和（2）先验知识的一致程度，联合学习一个类吉布斯（Gibbs-like）的群组分配分布。为解决该分布难以高效计算与采样的挑战，我们设计了一种理论保证的变分推断方法来学习其平均场近似。在真实数据集上的实验结果表明，相较于SOTA模型，我们所提方法在无监督与半监督设定下均有效。我们进一步将模型应用于COVID-19 Vaccine Tweets数据集，检测结果暗示存在传播COVID-19疫苗虚假信息的可疑协同行为。
引用
@article{arxiv.2110.15454,
title = {VigDet: Knowledge Informed Neural Temporal Point Process for Coordination Detection on Social Media},
author = {Yizhou Zhang and Karishma Sharma and Yan Liu},
journal= {arXiv preprint arXiv:2110.15454},
year = {2021}
}
备注
Accepted by NeurIPS 2021. 17 pages, 5 figures