COVID-19フェイクニュース検出のためのヒューリスティック駆動型アンサンブルフレームワーク

過去数十年にわたり、ソーシャルメディアの重要性は飛躍的に高まっており、世界の最も僻地に住む人々さえもつながりを持てるようになっています。新型コロナウイルス感染症（COVID-19）の世界的な流行を背景に、ソーシャルメディアの役割はこれまでになく重要性を増し、その利用も拡大しています。一方で、偽情報や即時対応を要する不正確なツイートの流通が再び顕著になり、深刻な社会的課題となっています。本論文では、CONSTRAINT COVID19 Fake News Detection in English チャレンジの一環として、COVID-19関連のツイートが「真実」か「偽情報」かを自動的に識別する「偽情報検出システム」を紹介します。本システムは、事前学習済みモデルを組み合わせたアンサンブルモデルを採用しており、リーダーボード上で総合8位の成績を達成しました。F1スコアは0.9831を記録し、最高スコアの0.9869にほぼ迫る結果となりました。コンペティション終了後、ツイート内のユーザー名（username handles）およびリンクドメインの特徴を活用した独自のヒューリスティックアルゴリズムを導入することで、システムの性能を大幅に向上させ、F1スコアを0.9883まで改善し、提示されたデータセットにおいて最先端（state-of-the-art）の成果を達成しました。