要約
近年、誤情報および偽ニュースは個人および社会に悪影響を及ぼしており、偽ニュース検出に関する関心が高まっている。現存する大多数の偽ニュース検出アルゴリズムは、ニュース本文の特徴や周囲の外部的文脈（exogenous context）を分析して偽造的な兆候を抽出することに注力しているが、ユーザーが特定のニュースを拡散するかどうかを決定する際の内部的（endogenous）な好みや傾向は無視されがちである。確認バイアス理論（confirmation bias theory）によれば、ユーザーは自身の既存の信念や好みと一致するニュースを拡散する傾向がある。ユーザーの過去の投稿やソーシャルエンゲージメントなどの履歴情報は、そのユーザーのニュースに対する好みに関する豊富な情報を提供しており、偽ニュース検出の精度向上に大きな可能性を秘めている。しかし、ユーザーの好みを活用した偽ニュース検出に関する研究はまだ限られている。そこで本論文では、ユーザーの好みを活用した偽ニュース検出という新たな問題に取り組む。我々は、コンテンツとグラフの統合モデリングにより、ユーザーの好みから得られる多様な信号を同時に捉える新しいフレームワークUPFDを提案する。実世界のデータセットを用いた実験結果から、提案フレームワークの有効性が実証された。本研究では、GNNベースの偽ニュース検出を促進するためのベンチマークとして、コードとデータを公開する：https://github.com/safe-graph/GNN-FakeNews。