초록
최근 들어 가짜 뉴스와 허위 정보는 개인과 사회에 부정적인 영향을 미치며, 가짜 뉴스 탐지에 대한 관심이 크게 증가하고 있다. 기존의 대부분의 가짜 뉴스 탐지 알고리즘은 뉴스 본문 내용과/또는 주변 외생적 맥락을 분석하여 위장된 신호를 탐지하는 데 집중하고 있으나, 사용자가 특정 뉴스를 확산할지 여부를 결정할 때 내재된 선호도(내생적 선호)를 고려하지 않는다는 한계가 있다. 확인 편향 이론(confirmation bias theory)에 따르면, 사용자의 기존 신념이나 선호와 일치하는 정보일수록 확산될 가능성이 높다. 사용자의 과거 게시물과 사회적 상호작용 정보는 뉴스에 대한 사용자 선호도에 관한 풍부한 정보를 제공하며, 가짜 뉴스 탐지의 정확도 향상에 큰 잠재력을 지닌다. 그러나 사용자 선호도를 활용한 가짜 뉴스 탐지에 관한 연구는 여전히 제한적이다. 따라서 본 논문에서는 사용자 선호도를 활용한 가짜 뉴스 탐지라는 새로운 문제를 탐구한다. 우리는 콘텐츠와 그래프 모델링을 통합하여 사용자 선호도에서 다양한 신호를 동시에 캡처하는 새로운 프레임워크 UPFD를 제안한다. 실제 데이터셋을 활용한 실험 결과는 제안한 프레임워크의 효과성을 입증한다. 또한, GNN 기반 가짜 뉴스 탐지 연구를 위한 벤치마크로 사용할 수 있도록 코드와 데이터를 공개한다: https://github.com/safe-graph/GNN-FakeNews.