Fake News Detection on Social Media using Geometric Deep Learning

Federico Monti1,2, Fabrizio Frasca1,2, Davide Eynard1,2, Damon Mannion1,2, Michael M. Bronstein1,2,3
1 Fabula AI
United Kingdom
2 USI Lugano
Switzerland
3 Imperial College
United Kingdom
Abstract

Social media are nowadays one of the main news sources for millions of people around the globe due to their low cost, easy access, and rapid dissemination. This however comes at the cost of dubious trustworthiness and significant risk of exposure to 'fake news', intentionally written to mislead the readers. Automatically detecting fake news poses challenges that defy existing content-based analysis approaches. One of the main reasons is that often the interpretation of the news requires the knowledge of political or social context or 'common sense', which current natural language processing algorithms are still missing. Recent studies have empirically shown that fake and real news spread differently on social media, forming propagation patterns that could be harnessed for the automatic fake news detection. Propagation-based approaches have multiple advantages compared to their content-based counterparts, among which is language independence and better resilience to adversarial attacks. In this paper, we show a novel automatic fake news detection model based on geometric deep learning. The underlying core algorithms are a generalization of classical convolutional neural networks to graphs, allowing the fusion of heterogeneous data such as content, user profile and activity, social graph, and news propagation. Our model was trained and tested on news stories, verified by professional fact-checking organizations, that were spread on Twitter. Our experiments indicate that social network structure and propagation are important features allowing highly accurate (92.7% ROC AUC) fake news detection. Second, we observe that fake news can be reliably detected at an early stage, after just a few hours of propagation. Third, we test the aging of our model on training and testing data separated in time. Our results point to the promise of propagation-based approaches for fake news detection as an alternative or complementary strategy to content-based approaches.

1. Introduction

In the past decade, social media have become one of the main sources of information for people around the world. Yet, using social media for news consumption is a double-edged sword. On the one hand, it offers low cost, easy access, and rapid dissemination. On the other hand, it comes with the danger of exposure to 'fake news' containing poorly checked or even intentionally false information aimed at misleading and manipulating the readers to pursue certain political or economic agendas.

The extensive spread of fake news has recently become a global problem and threat to modern democracies. The extensive spread of fake news before the United States 2016 presidential elections [3] and the Brexit vote in United Kingdom has become the centerpiece of the controversy surrounding these political events and allegations of public opinion manipulation. Due the very high societal and economic cost of the phenomenon [11], in the past year, fake news detection in social media has attracted enormous attention in the academic and industrial realms [16].

Automatically detecting fake news poses challenges that defy existing content-based analysis approaches. One of the main reasons is that often the interpretation of the news is highly nuanced and requires the knowledge of political or social context, or "common sense", which even the currently most advanced natural language processing algorithms are still missing. Furthermore, fake news is often intentionally written by bad actors to appear as real news but containing false or manipulative information in ways that are hard even for trained human experts to detect.

Prior works

Existing approaches for fake news detection can be divided into three main categories, based on content, social context, and propagation [36, 44]. Content-based approaches, which are used in the majority of works on fake news detection, rely on linguistic (lexical and syntactical) features that can capture deceptive cues or writing styles [1, 32, 30, 29, 28]. The main drawback of content-based approaches is that they can be defied by sufficiently sophisticated fake news that does not immediately appear as fake. Furthermore, most linguistic features are language-dependent, limiting the generality of these approaches.

Social context features include user demographics (such as age, gender, education, and political affiliation [37, 21]), social network structure [38, 35] (in the form of connections between users such as friendship or follower/followee relations) and user reactions (e.g. posts accompanying a news item [33] or likes [40]).

Propagation-based approaches are perhaps the most intriguing and promising research direction based on studying the news proliferation process over time. It has been argued that the fake news dissemination process is akin to infectious disease spread [14] and can be understood with network epidemics models. There is substantial empirical evidence that fake news propagate differently from true news [42] forming spreading patterns that could potentially be exploited for automatic fake news detection. By virtue of being content-agnostic, propagation-based features are likely generalizes across different languages, locales, and geographies, as opposed to content-based features that must be developed separately for each language. Furthermore, controlling the news spread patterns in a social network is generally beyond the capability of individual users, implying that propagation-based features would potentially be very hard to tamper with by adversarial attacks.

Main contribution

So far, attempts to exploit news propagation for fake news detection applied 'handcrafted' graph-theoretical features such as centrality, cliques, or connected components [15]. These features are rather arbitrary, too general, and not necessarily meaningful for the specific task of fake news detection. In this paper, we propose learning fake news specific propagation patterns by exploiting geometric deep learning, a novel class of deep learning methods designed to work on graph-structured data [4]. Geometric deep learning naturally deals with heterogeneous data (such as user demographic and activity, social network structure, news propagation and content), thus carrying the potential of being a unifying framework for content, social context, and propagation based approaches.

The model proposed in this paper is trained in a supervised manner on a large set of annotated fake and true stories spread on Twitter in the period 2013-2018. We perform extensive testing of our model in different challenging settings, showing that it achieves very high accuracy (nearly 93% ROC AUC), requires very short news spread times (just a few hours of propagation), and performs well when the model is trained on data distant in time from the testing data.

Example of a single news story spreading on a subset of the Twitter social network
Figure 1: Example of a single news story spreading on a subset of the Twitter social network. Social connections between users are visualized as light-blue edges. A news URL is tweeted by multiple users (cascade roots denotes in red), each producing a cascade propagating over a subset of the social graph (red edges). Circle size represents the number of followers. Note that some cascades are small, containing only the root (the tweeting user) or just a few retweets.

2. Dataset

One of the key challenges in machine-learning based approaches in general, and in automatic fake news detection in particular, is collecting a sufficiently large, rich, and reliably labelled dataset on which the algorithms can be trained and tested. Furthermore, the notion of 'fake news' itself is rather vague and nuanced. To start with, there is no consensus as to what would be considered 'news', let alone the label 'true' or 'false'. A large number of studies exploit the notion of reliable or unreliable sources as a proxy for true or false stories. While allowing to gather large datasets, such approaches have been criticized as too crude [42]. In our study, we opted for a data collection process in which each 'story' has an underlying article published on the web, and each such story is verified individually. In our classification of true or false statements we rely on professional non-profit journalist fact-checking organizations such as Snopes, PolitiFact, and Buzzfeed. We note that our use of the term fake news, though disliked in the social science research community for its abuse in the political discourse, refers to both misinformation and disinformation, i.e. unintentional as well as deliberate spread of misleading or wrong narrative or facts.

Data collection protocol

Our data collection process was inspired by and largely followed the pioneering work of Vosoughi et al. [42]. We used a collection of news verified by fact-checking organizations with established reputation in debunking rumors; each source fact-checking organization provides an archive of news with an associated short claim (e.g. 'Actress Allison Mack confessed that she sold children to the Rothschilds and Clintons') and a label determining its veracity ('false' in the above example). First, we gathered the overall list of fact-checking articles from such archives and, for simplicity, discarded claims with ambiguous labels, such as 'mixed' or 'partially true/false'. Second, for each of the filtered articles we identified potentially related URLs referenced by the fact-checkers, filtering out all those not mentioned at least once on Twitter. Third, trained human annotators were employed to ascertain whether the web pages associated with the collected URLs were matching or denying the claim, or were simply unrelated to that claim. This provided a simple method to propagate truth-labels from fact-checking verdicts to URLs: if a URL matches a claim, then it directly inherits the verdict; if it denies a claim, it inherits the opposite of the verdict (e.g. URLs matching a true claim are labeled as true, URLs denying a true claim are labeled as false). URLs gathered from different sources, with same veracity and date of first-appearance on Twitter were additionally inspected to ensure they referred to different articles.

The last part of the data collection process consisted of the retrieval of Twitter data related to the propagation of news associated with a particular URL. Following the nomenclature of [42], we term as cascade the news diffusion tree produced by a source tweet referencing a URL and all of its retweets. For each URL, we searched for all the related cascades and enriched their Twitter-based characterization (i.e. users and tweet data) by drawing edges among users according to Twitter's social network (see example in Figure 1).

With regard to this last step of data collection, our approach is significantly different from the protocol of [42], where tweets linking to a fact-checking website were collected, thus essentially retrieving only cascades in which someone has posted a 'proof-link' with the veracity of the news. Though significantly more laborious, we believe that our data collection protocol produces a much cleaner dataset.

Statistics

Figures 2–3 depict the statistics of our dataset. Overall, our collection consisted of 1,084 labeled claims, spread on Twitter in 158,951 cascades covering the period from May 2013 till January 2018. The total number of unique users involved in the spreading was 202,375 and their respective social graph comprised 2,443,996 edges. As we gathered 1,129 URLs, the average number of article URLs per claim is around 1.04; as such, a URL can be considered as a good proxy for a claim in our dataset and we will thus use the two terms synonymously hereinafter. We also note that, similarly to [42], a large proportion of cascades were of small size (the average number of tweets and users in a cascade is 2.79, see also Figure 2 depicting the distribution of cascade sizes), which required to use a threshold on a minimum cascade size for classifying these independently in some experiments (see details in Section 4.1).

Distribution of cascade sizes in the dataset
Figure 2: Distribution of cascade sizes (number of tweets per cascade) in our dataset.
Distribution of cascades over URLs
Figure 3: Distribution of cascades over the 930 URLs available in our dataset with at least six tweets per cascade, sorted by the number cascades in descending order. The first 15 URLs (~1.5% of the entire dataset) correspond to 20% of all the cascades.

Features

We extracted the following features describing news, users, and their activity, grouped into four categories: User profile (geolocalization and profile settings, language, word embedding of user profile self-description, date of account creation, and whether it has been verified), User activity (number of favorites, lists, and statuses), Network and spreading (social connections between the users, number of followers and friends, cascade spreading tree, retweet timestamps and source device, number of replies, quotes, favorites and retweets for the source tweet), and Content (word embedding of the tweet textual content and included hashtags).

Credibility and polarization

The social network collected in our study manifests noticeable polarization depicted in Figure 4. Each user in this plot is assigned a credibility score in the range [−1, +1] computed as the difference between the proportion of (re)tweeted true and fake news (negative values representing fake are depicted in red; more credible users are represented in blue). The node positions of the graph are determined by topological embedding computed via the Fruchterman-Reingold force-directed algorithm [9], grouping together nodes of the graph that are more strongly connected and mapping apart nodes that have weak connections. We observe that credible (blue) and non-credible (red) users tend to form two distinct communities, suggesting these two categories of tweeters prefer to have mostly homophilic interactions. While a deeper study of this phenomenon is beyond the scope of this paper, we note that similar polarization has been observed before in social networks, e.g. in the context of political discourse [7] and might be related to 'echo chamber' theories that attempt to explain the reasons for the difference in fake and true news propagation patterns.

Twitter network with estimated user credibility
Figure 4: Subset of the Twitter network used in our study with estimated user credibility. Vertices represent users, gray edges the social connections. Vertex color and size encode the user credibility (blue = reliable, red = unreliable) and number of followers of each user, respectively. Numbers 1 to 9 represent the nine users with most followers.

3. Our model

3.1 Geometric deep learning

In the past decade, deep learning techniques have had a remarkable impact on multiple domains, in particular computer vision, speech analysis, and natural language processing [17]. However, most of popular deep neural models, such as convolutional neural networks (CNNs) [18], are based on classical signal processing theory, with an underlying assumption of grid-structured (Euclidean) data. In recent years, there has been growing interest in generalizing deep learning techniques to non-Euclidean (graph- and manifold-structured) data. Early approaches to learning on graphs [34] predate the recent deep learning renaissance and are formulated as fixed points of learnable diffusion operators. The modern interest in deep learning on graphs can be attributed to the spectral CNN model of Bruna et al. [5]. Since some of the first works in this domain originated in graphics and geometry community [22], the term geometric deep learning is widely used as an umbrella term for non-Euclidean deep learning approaches [4].

Broadly speaking, graph CNNs replace the classical convolution operation on grids with a local permutation-invariant aggregation on the neighborhood of a vertex in a graph. In spectral graph CNNs [5], this operation is performed in the spectral domain, by utilizing the analogy between the graph Laplacian eigenvectors and the classical Fourier transform; the filters are represented as learnable spectral coefficients. While conceptually important, spectral CNNs suffer from high computational complexity and difficulty to generalize across different domains [4]. Follow-up works showed that the explicit eigendecomposition of the Laplacian can be avoided altogether by employing functions expressible in terms of simple matrix-vector operations, such as polynomials [8, 12] or rational functions [19]. Such spectral filters typically scale linearly with the graph size and can be generalized to higher order structures [25], dual graphs (edge filters) [26], and product graphs [24].

The Laplacian operator is only one example of fixed local permutation-invariant aggregation operation amounting to weighted averaging. More general operators have been proposed using edge convolutions [43], neural message passing [10], local charting [23], and graph attention [41]. On non-Euclidean domains with local low-dimensional structure (manifolds, meshes, point clouds), more powerful operators have been constructed using e.g. anisotropic diffusion kernels [2].

Being very abstract models of systems of relations and interactions, graphs naturally arise in various fields of science. For this reason, geometric deep learning techniques have been successfully applied across the board in problems such as computer graphics and vision [2, 23, 20, 43], protection against adversarial attacks [39], recommendation systems [24] quantum chemistry [10] and neutrino detection [6], to mention a few.

3.2 Architecture and training settings

Our deep learning model is described below. We used a four-layer Graph CNN with two convolutional layers (64-dimensional output features map in each) and two fully connected layers (producing 32- and 2-dimensional output features, respectively) to predict the fake/true class probabilities. Figure 5 depicts a block diagram of our model. One head of graph attention [41] was used in every convolutional layer to implement the filters together with mean-pooling for dimensionality reduction. We used Scaled Exponential Linear Unit (SELU) [13] as non-linearity throughout the entire network. Hinge loss was employed to train the neural network (we preferred hinge loss to the more commonly used mean cross entropy as it outperformed the latter in early experiments). No regularization was used with our model.

Architecture of the neural network model
Figure 5: The architecture of our neural network model. Top row: GC = Graph Convolution, MP = Mean Pooling, FC = Fully Connected, SM = SoftMax layer. Bottom row: input/output tensors received/produced by each layer.

3.3 Input generation

Given a URL u (or a cascade c arising from u) with corresponding tweets Tu = {t¹u, t²u, ..., tNu} mentioning it, we describe u in terms of graph Gu. Gu has tweets in Tu as nodes and estimated news diffusion paths plus social relations as edges. In other words, given two nodes i and j, edge (i, j) ∈ Gu iff at least one of the following holds: i follows j (i.e. the author of tweet i follows the author of tweet j), j follows i, news spreading occurs from i to j, or from j to i.

News diffusion paths defining spreading trees were estimated as in [42] by jointly considering the timestamps of involved (re)tweets and the social connections between their authors. Given tnu – the retweet of a cascade related to URL u, and {t⁰u... tn⁻¹u} – the immediately preceding (re)tweets belonging to the same cascade and authored by users {a⁰u, ..., anu}, then:

  1. if anu follows at least one user in {a⁰u, ..., an⁻¹u}, we estimate news spreading to tnu from the very last tweet in {t⁰u... tn⁻¹u} whose author is followed by anu;
  2. if anu does not follow any of the users in {a⁰u, ..., an⁻¹u}, we conservatively estimate news spreading to tnu from the user in {a⁰u, ..., an⁻¹u} having the largest number of followers (i.e. the most popular one).

Finally, nodes and edges of graph Gu have features describing them. Nodes, representing tweets and their authors, were characterized with all the features presented in Section 2. As for edges, we used features representing the membership to each of the aforementioned four relations (following and news spreading, both directions). Our approach to defining graph connectivity and edge features allows, in graph convolution, to spread information independently of the relation direction while potentially giving different importance to the types of connections. Features of edge (i, j) are concatenated to those of nodes i and j in the attention projection layer to achieve such behavior.

4. Results

We considered two different settings of fake news detection: URL-wise and cascade-wise, using the same architecture for both settings. In the first setting, we attempted to predict the true/fake label of a URL containing a news story from all the Twitter cascades it generated. On average, each URL resulted in approximately 141 cascades. In the latter setting, which is significantly more challenging, we assumed to be given only one cascade arising from a URL and attempted to predict the label associated with that URL. Our assumption is that all the cascades associated with a URL inherit the label of the latter. While we checked this assumption to be true in most cases in our dataset, it is possible that an article is for example tweeted with a comment denying its content. We leave the analysis of comments accompanying tweets/retweets as a future research direction.

4.1 Model performance

For URL-wise classification, we used five randomized training/test/validation splits. On average, the training, test, and validation sets contained 677, 226, and 226 URLs, respectively, with 83.26% true and 16.74% false labels (± 0.06% and 0.15% for training and validation/test set respectively). For cascade-wise classification we used the same split initially realized for URL-wise classification (i.e. all cascades originated by URL u are placed in the same fold as u). Cascades containing less than 6 tweets were discarded; the reason for the choice of this threshold is motivated below. Full cascade duration (24 hr) was used for both settings of this experiment. The training, test, and validation sets contained on average 3586, 1195, 1195 cascades, respectively, with 81.73% true and 18.27% false labels (± 3.25% and 6.50% for training and validation/test set respectively).

Our neural network was trained for 25×10³ and 50×10³ iterations in the URL- and cascade-wise settings, respectively, using AMSGrad [31] with learning rate of 5×10⁻⁴ and mini-batch of size one.

Performance of URL-wise and cascade-wise fake news detection
Figure 6: Performance of URL-wise (blue) and cascade-wise (red) fake news detection using 24hr-long diffusion time. Shown are ROC curves averaged on five folds (the shaded areas represent the standard deviations). ROC AUC is 92.70 ± 1.80% for URL-wise classification and 88.30 ± 2.74% for cascade-wise classification, respectively. Only cascades with at least 6 tweets were considered for cascade-wise classification.

Figure 6 depicts the performance of URL- (blue) and cascade-wise (red) fake news classification represented as a tradeoff (ROC curve) between false positive rate (fraction of true news wrongly classified as fake) and true positive rate (fraction of fake news correctly classified as fake). We use area under the ROC curve (ROC AUC) as an aggregate measure of accuracy. On the above splits, our method achieved mean ROC AUC of 92.70 ± 1.80% and 88.30 ± 2.74% in the URL- and cascade-wise settings, respectively.

T-SNE embedding of vertex-wise features
Figure 7: T-SNE embedding of the vertex-wise features produced by our neural network at the last convolutional layer representing all the users in our study, color-coded according to their credibility (blue = reliable, red = unreliable). Clusters of users with different credibility clearly emerge, indicative that the neural network learns features useful for fake news detection.

Figure 7 depicts a low-dimensional plot of the last graph convolutional layer vertex-wise features obtained using t-SNE embedding. The vertices are colored using the credibility score defined in Section 2. We observe clear clusters of reliable (blue) and unreliable (red) users, which is indicative of the neural network learning features that are useful for fake news classification.

Influence of minimum cascade size

One of the characteristics of our dataset (as well as the dataset in the study of [42]) is the abundance of small cascades containing just a few users (see Figure 2). Since our approach relies on the spreading of news across the Twitter social network, such examples may be hard to classify, as too small cascades may manifest no clear diffusion pattern. To identify the minimum useful cascade size, we investigated the performance of our model in the cascade-wise classification setting using cascades of various minimum sizes (Figure 8). As expected, the model performance increases with larger cascades, reaching saturation for cascades of at least 6 tweets (leaving a total of 5,976 samples). This experiment motivates our choice of using 6 tweets as the minimum cascade size in cascade-wise experiments in our study.

Performance dependence on minimum cascade size
Figure 8: Performance of cascade-wise fake news detection (mean ROC AUC, averaged on five folds) using minimum cascade size threshold. Best performance is obtained by filtering out cascades smaller than 6 tweets.

Ablation study

To further highlight the importance of the different categories of features provided as input to the model, we conducted an ablation study by means of backward-feature selection. We considered four groups of features defined in Section 2: user profile, user activity, network and spreading, and content. The results of ablation experiment are shown in Figure 9 for the URL- (top) and cascade-wise (bottom) settings. In both settings, user-profile and network/spreading appear as the two most important feature groups, and allow achieving satisfactory classification results (near 90% ROC AUC) with the proposed model.

Ablation study results
Figure 9: Ablation study result on URL-wise (top) / cascade-wise (bottom) fake news detection, using backward feature selection. Shown is performance (ROC AUC) for our model trained on subsets of features, grouped into four categories: user profile, network and spreading, content, and user activity. Groups are sorted for importance from left to right.

Interestingly, in the cascade-wise setting, while all features were positively contributing to the final predictions at URL-level, removing tweet content from the provided input improves performance by 4%. This seemingly contradictory result can be explained by looking at the distribution of cascades over all the available URLs (Figure 3): 20% of cascades are associated to the top 15 largest URLs in our dataset (∼ 1.5% out of a total of 930). Since tweets citing the same URL typically present similar content, it is easy for the model to overfit on this particular feature. Proper regularization (e.g. dropout or weight decay) should thus be introduced to avoid overfitting and improve performance at test time. We leave this further study for future research. For simplicity, by leveraging the capabilities of our model to classify fake news in a content-free scenario, we decided to completely ignore content-based descriptors (tweet word embeddings) for cascade-wise classification and let the model exploit only user- and propagation-related features.

4.2 News spreading over time

One of the key differentiators of propagation-based methods from their content-based counterparts, namely relying on the news spreading features, potentially raises the following question: for how much time do the news have to spread before we can classify them reliably? We conducted a series of experiments to study the extent to which this is the case with our approach.

For this purpose, we truncated the cascades after time t starting from the first tweet, with t varying from 0 (effectively considering only the initial tweet, i.e. the 'root' of each cascade) to 24 hours (the full cascade duration) with one hour increments. The model was trained separately for each value of t. Five-fold cross validation was used to reduce the bias of the estimations while containing the overall computational cost.

Performance as function of cascade diffusion time
Figure 10: Performance of URL-wise (top) and cascade-wise (bottom) fake news detection (mean ROC AUC, averaged on five folds) as function of cascade diffusion time.

Figure 10 depicts the performance of the model (mean ROC AUC) as function of the cascade duration, for the URL- (top) and cascade-wise (bottom) settings. As expected, performance increases with the cascade duration, saturating roughly after 15 hours in the URL-wise setting and after 7 hours in the cascade-wise one, respectively. This different behavior is mainly due to the simpler topological patterns and shorter life of individual cascades. Seven hours of spreading encompass on average around 91% of the cascade size; for the URL-wise setting, the corresponding value is 68%. A similar level of coverage, 86%, is achieved after 15 hours of spreading in the URL-wise setting.

We also note that remarkably just a few (∼ 2) hours of news spread are sufficient to achieve above 90% mean ROC AUC in URL-wise fake news classification. Furthermore, we observe a significant jump in performance from the 0 hr setting (effectively using only user profile, user activity, and content features) to ≥ 1 hr settings (considering additionally the news propagation), which we interpret as another indication of the importance of propagation-related features.

4.3 Model aging

We live in a dynamic world with constantly evolving political context. Since the social network, user preferences and activity, news topics and potentially also spreading patterns evolve in time, it is important to understand to what extent a model trained in the past can generalize to such new circumstances. In the final set of experiments, we study how the model performance ages with time in the URL- and cascade-wise settings. These experiments aim to emulate a real-world scenario in which a model trained on historical data is applied to new tweets in real time.

For the URL-wise setting, we split our dataset into training/validation (80% of URLs) and test (20% of URLs) sets; the training/validation and test sets were disjoint and subsequent in time. We assessed the results of our model on subsets of the test set, designed as partially overlapping (mean intersection over union equal to 0.56 ± 0.15) time windows. Partial overlap allowed us to work on larger subsets while preserving the ratio of positives vs negatives, providing at the same time smoother results as with moving average. This way, each window contained at least 24% of the test set (average number of URLs in a window was 73 ± 33.34) and the average dates of two consecutive windows were at least 14 days apart, progressively increasing.

Effects of training set aging on performance
Figure 11: Effects of training set aging on the performance of URL- (top) and cascade-wise (bottom) fake news detection. Horizontal axis shows difference in days between average date of the training and test sets. Shown is the test performance obtained by our model with 24hrs diffusion (solid blue), test performance obtained with same model just using the first tweet of each piece of news (0hrs diffusion, dashed orange), and test performance obtained training on our original uniformly sampled five folds (veracity predictions are computed for each URL/cascade when this appears as a test sample in our 24hrs five fold cross-validation, green).

Figure 11 (top) captures the variation in performance due to aging of the training set in the URL-wise setting. Our model exhibits a slight deterioration in performance only after 180 days. We attribute this deterioration to the change in the spreading patterns and the user activity profiles.

We repeated the same experiment in the cascade-wise setting. The split into training/validation and test sets and the generation of the time windows was done similarly to the URL-wise experiment. Each time window in the test set has an average size of 314 ± 148 cascades, and two consecutive windows had a mean overlap with intersection over union equal to 0.68 ± 0.21. Figure 11 (bottom) summarizes the performance of our model in the cascade-wise setting. In this case, it shows a more robust behavior compared to the URL-wise setting, losing only 4% after 260 days.

This different behavior is likely due to the higher variability that characterizes cascades as opposed to URLs. As individual cascades are represented by smaller and simpler graphs, the likelihood of identifying recurrent rich structures between different training samples is lower compared to the URL-wise setting and, also, cascades may more easily involve users coming from different parts of the Twitter social network. In the cascade-wise setting, our propagation-based model is thus forced to learn simpler features that on the one hand are less discriminative (hence the lower overall performance), and on the other hand appear to be more robust to aging. We leave a deeper analysis of this behavior to future research, which might provide additional ways improving the fake news classification performance.

5. Conclusions

In this paper, we presented a geometric deep learning approach for fake news detection on Twitter social network. The proposed method naturally allows integrating heterogeneous data pertaining to the user profile and activity, social network structure, news spreading patterns and content. The key advantage of using a deep learning approach as opposed to 'handcrafted' features is its ability to automatically learn task-specific features from the data; the choice of geometric deep learning in this case is motivated by the graph-structured nature of the data. Our model achieves very high accuracy and robust behavior in several challenging settings involving large-scale real data, pointing to the great potential of geometric deep learning methods for fake news detection.

There are multiple intriguing phenomena and hypotheses left for future research. Of particular interest is the experimental validation of the conjecture that our model is potentially language and geography-independent, being mainly based on connectivity and spreading features. The study of adversarial attacks is also of great interest, both from theoretical and practical viewpoints: on the one hand, they adversarial attacks would allow exploration of the limitations of the model and its resilience to attacks. We conjecture that attacks on graph-based approaches require social network manipulations that are difficult to implement in practice, making our method particularly appealing. On the other hand, adversarial techniques could shed light on the way the graph neural network makes decisions, contributing to better interpretability of the model. Finally, we intend to explore additional applications of our model in social network data analysis going beyond fake news detection, such as news topic classification and virality prediction.

6. Acknowledgments

We gratefully acknowledge the generous support by ERC Consolidator Grant No. 724228 (LEMAN), ERC Proof of Concept grant No. 812672 (GoodNews), multiple Google Research Faculty awards and Nvidia equipment grants, Amazon AWS Machine Learning Research grant, Dalle Molle Foundation prize, and Facebook Computational Social Science Methodology award. MB is also partially supported by the Royal Society Wolfson Research Merit award and Rudolf Diesel industrial fellowship at TU Munich. FF's PhD scholarship is supported by the SNF Grant No. 200021E/176315.

7. References

[1] Sadia Afroz, Michael Brennan, and Rachel Greenstadt. Detecting hoaxes, frauds, and deception in writing style online. In Proc. IEEE Symp. Security and Privacy (SP), pages 461–475, 2012.
[2] Davide Boscaini, Jonathan Masci, Emanuele Rodolà, and Michael Bronstein. Learning shape correspondence with anisotropic convolutional neural networks. In Proc. NIPS, 2016.
[3] Alexandre Bovet and Hernán A Makse. Influence of fake news in Twitter during the 2016 US presidential election. Nature Communications, 10(1):7, 2019.
[4] Michael M Bronstein, Joan Bruna, Yann LeCun, Arthur Szlam, and Pierre Vandergheynst. Geometric deep learning: going beyond euclidean data. IEEE Signal Processing Magazine, 34(4):18–42, 2017.
[5] Joan Bruna, Wojciech Zaremba, Arthur Szlam, and Yann Lecun. Spectral networks and locally connected networks on graphs. In Proc. ICLR, 2014.
[6] Nicholas Choma, Federico Monti, Lisa Gerhardt, Tomasz Palczewski, Zahra Ronaghi, Prabhat Prabhat, Wahid Bhimji, Michael Bronstein, Spencer Klein, and Joan Bruna. Graph neural networks for icecube signal classification. In Proc. ICMLA, 2018.
[7] Michael Conover, Jacob Ratkiewicz, Matthew R Francisco, Bruno Gonçalves, Filippo Menczer, and Alessandro Flammini. Political polarization on twitter. In Proc. ICWSM, 2011.
[8] Michaël Defferrard, Xavier Bresson, and Pierre Vandergheynst. Convolutional neural networks on graphs with fast localized spectral filtering. In Proc. NIPS, 2016.
[9] Thomas MJ Fruchterman and Edward M Reingold. Graph drawing by force-directed placement. Software: Practice and experience, 21(11):1129–1164, 1991.
[10] Justin Gilmer, Samuel S Schoenholz, Patrick F Riley, Oriol Vinyals, and George E Dahl. Neural message passing for quantum chemistry. In Proc. ICML, 2017.
[11] Lee Howell et al. Digital wildfires in a hyperconnected world. WEF Report, 3:15–94, 2013.
[12] Thomas N Kipf and Max Welling. Semi-supervised classification with graph convolutional networks. 2017.
[13] Günter Klambauer, Thomas Unterthiner, Andreas Mayr, and Sepp Hochreiter. Self-normalizing neural networks. In Proc. NIPS, 2017.
[14] Adam Kucharski. Post-truth: Study epidemiology of fake news. Nature, 540(7634):525, 2016.
[15] Sejeong Kwon, Meeyoung Cha, Kyomin Jung, Wei Chen, and Yajun Wang. Prominent features of rumor propagation in online social media. In Proc. Conf. Data Mining, pages 1103–1108, 2013.
[16] David MJ Lazer, Matthew A Baum, Yochai Benkler, Adam J Berinsky, Kelly M Greenhill, Filippo Menczer, Miriam J Metzger, Brendan Nyhan, Gordon Pennycook, David Rothschild, et al. The science of fake news. Science, 359(6380):1094–1096, 2018.
[17] Yann LeCun, Yoshua Bengio, and Geoffrey Hinton. Deep learning. nature, 521(7553):436, 2015.
[18] Yann LeCun, Léon Bottou, Yoshua Bengio, and Patrick Haffner. Gradient-based learning applied to document recognition. Proc. IEEE, 86(11):2278–2324, 1998.
[19] Ron Levie, Federico Monti, Xavier Bresson, and Michael M Bronstein. Cayleynets: Graph convolutional neural networks with complex rational spectral filters. arXiv:1705.07664, 2017.
[20] Or Litany, Alex Bronstein, Michael Bronstein, and Ameesh Makadia. Deformable shape completion with graph convolutional autoencoders. In Proc. CVPR, 2018.
[21] Yunfei Long, Qin Lu, Rong Xiang, Minglei Li, and Chu-Ren Huang. Fake news detection through multi-perspective speaker profiles. In Proc. Natural Language Processing, volume 2, pages 252–256, 2017.
[22] Jonathan Masci, Davide Boscaini, Michael Bronstein, and Pierre Vandergheynst. Geodesic convolutional neural networks on riemannian manifolds. In Proc. ICCV Workshops, 2015.
[23] Federico Monti, Davide Boscaini, Jonathan Masci, Emanuele Rodolà, Jan Svoboda, and Michael M Bronstein. Geometric deep learning on graphs and manifolds using mixture model CNNs. In Proc. CVPR, 2017.
[24] Federico Monti, Michael Bronstein, and Xavier Bresson. Geometric matrix completion with recurrent multi-graph neural networks. In Proc. NIPS, 2017.
[25] Federico Monti, Karl Otness, and Michael M Bronstein. Motifnet: a motif-based graph convolutional network for directed graphs. In Proc. Data Science Workshop, 2018.
[26] Federico Monti, Oleksandr Shchur, Aleksandar Bojchevski, Or Litany, Stephan Günnemann, and Michael M Bronstein. Dual-primal graph convolutional networks. arXiv:1806.00770, 2018.
[27] Jeffrey Pennington, Richard Socher, and Christopher Manning. Glove: Global vectors for word representation. In Proc. EMNLP, 2014.
[28] Verónica Pérez-Rosas, Bennett Kleinberg, Alexandra Lefevre, and Rada Mihalcea. Automatic detection of fake news. arXivarXiv:1708.07104, 2017.
[29] Martin Potthast, Johannes Kiesel, Kevin Reinartz, Janek Bevendorff, and Benno Stein. A stylometric inquiry into hyperpartisan and fake news. arXiv:1702.05638, 2017.
[30] Hannah Rashkin, Eunsol Choi, Jin Yea Jang, Svitlana Volkova, and Yejin Choi. Truth of varying shades: Analyzing language in fake news and political fact-checking. In Proc. Empirical Methods in Natural Language Processing, pages 2931–2937, 2017.
[31] Sashank J Reddi, Satyen Kale, and Sanjiv Kumar. On the convergence of ADAM and beyond. 2018.
[32] Victoria Rubin, Niall Conroy, Yimin Chen, and Sarah Cornwell. Fake news or truth? using satirical cues to detect potentially misleading news. In Proc. Computational Approaches to Deception Detection, pages 7–17, 2016.
[33] Natali Ruchansky, Sungyong Seo, and Yan Liu. Csi: A hybrid deep model for fake news. arXiv:1703.06959, 2017.
[34] Franco Scarselli, Marco Gori, Ah Chung Tsoi, Markus Hagenbuchner, and Gabriele Monfardini. The graph neural network model. IEEE Trans. Neural Networks, 20(1):61–80, 2009.
[35] Kai Shu, H Russell Bernard, and Huan Liu. Studying fake news via network analysis: detection and mitigation. In Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining, pages 43–65. Springer, 2019.
[36] Kai Shu, Amy Sliva, Suhang Wang, Jiliang Tang, and Huan Liu. Fake news detection on social media: A data mining perspective. ACM SIGKDD Explorations Newsletter, 19(1):22–36, 2017.
[37] Kai Shu, Suhang Wang, and Huan Liu. Understanding user profiles on social media for fake news detection. In Proc. Multimedia Information Processing and Retrieval, pages 430–435, 2018.
[38] Kai Shu, Suhang Wang, and Huan Liu. Beyond news contents: The role of social context for fake news detection. In Proc. Web Search and Data Mining, 2019.
[39] Jan Svoboda, Jonathan Masci, Federico Monti, Michael M Bronstein, and Leonidas Guibas. Peernets: Exploiting peer wisdom against adversarial attacks. In Proc. ICLR, 2019.
[40] Eugenio Tacchini, Gabriele Ballarin, Marco L Della Vedova, Stefano Moret, and Luca de Alfaro. Some like it hoax: Automated fake news detection in social networks. arXiv:1704.07506, 2017.
[41] Petar Velickovic, Guillem Cucurull, Arantxa Casanova, Adriana Romero, Pietro Lio, and Yoshua Bengio. Graph attention networks. In Proc. ICLR, 2018.
[42] Soroush Vosoughi, Deb Roy, and Sinan Aral. The spread of true and false news online. Science, 359(6380):1146–1151, 2018.
[43] Yue Wang, Yongbin Sun, Ziwei Liu, Sanjay E Sarma, Michael M Bronstein, and Justin M Solomon. Dynamic graph cnn for learning on point clouds. arXiv:1801.07829, 2018.
[44] Xinyi Zhou and Reza Zafarani. Fake news: A survey of research, detection methods, and opportunities. arXiv:1812.00315, 2018.

Обнаружение фейковых новостей в социальных сетях с использованием геометрического глубокого обучения

Федерико Монти1,2, Фабрицио Фраска1,2, Давиде Эйнард1,2, Деймон Мэннион1,2, Майкл М. Бронштейн1,2,3
1 Fabula AI
Великобритания
2 USI Лугано
Швейцария
3 Имперский колледж
Великобритания
Аннотация

Социальные сети в настоящее время являются одним из основных источников новостей для миллионов людей во всем мире благодаря своей низкой стоимости, легкому доступу и быстрому распространению. Однако это происходит за счет сомнительной достоверности и значительного риска подвергнуться воздействию "фейковых новостей", намеренно написанных для введения читателей в заблуждение. Автоматическое обнаружение фейковых новостей ставит задачи, которые не поддаются существующим подходам, основанным на анализе содержания. Одна из основных причин заключается в том, что часто интерпретация новостей требует знания политического или социального контекста или "здравого смысла", которых не хватает современным алгоритмам обработки естественного языка. Недавние исследования эмпирически показали, что фейковые и реальные новости распространяются в социальных сетях по-разному, образуя паттерны распространения, которые можно использовать для автоматического обнаружения фейковых новостей. Подходы, основанные на анализе распространения, имеют несколько преимуществ по сравнению с подходами, основанными на содержании, среди которых независимость от языка и лучшая устойчивость к атакам. В этой статье мы представляем новую модель автоматического обнаружения фейковых новостей на основе геометрического глубокого обучения. Базовые алгоритмы представляют собой обобщение классических сверточных нейронных сетей на графы, позволяя объединять гетерогенные данные, такие как содержание, профиль и активность пользователей, социальный граф и распространение новостей. Наша модель была обучена и протестирована на новостных историях, проверенных профессиональными организациями по проверке фактов, которые распространялись в Twitter. Наши эксперименты показывают, что структура социальной сети и распространение являются важными признаками, позволяющими осуществлять высокоточное (92,7% ROC AUC) обнаружение фейковых новостей. Во-вторых, мы наблюдаем, что фейковые новости можно надежно обнаружить на ранней стадии, всего через несколько часов распространения. В-третьих, мы тестируем старение нашей модели на обучающих и тестовых данных, разделенных во времени. Наши результаты указывают на перспективность подходов, основанных на анализе распространения, для обнаружения фейковых новостей в качестве альтернативной или дополнительной стратегии к подходам, основанным на содержании.

1. Введение

За последнее десятилетие социальные сети стали одним из основных источников информации для людей во всем мире. Однако использование социальных сетей для потребления новостей — палка о двух концах. С одной стороны, они предлагают низкую стоимость, легкий доступ и быстрое распространение. С другой стороны, это связано с опасностью подвергнуться воздействию "фейковых новостей", содержащих плохо проверенную или даже намеренно ложную информацию, направленную на введение читателей в заблуждение и манипулирование ими для достижения определенных политических или экономических целей.

Широкое распространение фейковых новостей недавно стало глобальной проблемой и угрозой для современных демократий. Широкое распространение фейковых новостей перед президентскими выборами в США в 2016 году [3] и голосованием по Brexit в Великобритании стало центральным элементом споров, окружающих эти политические события, и обвинений в манипулировании общественным мнением. Из-за очень высокой социальной и экономической стоимости этого явления [11] в прошлом году обнаружение фейковых новостей в социальных сетях привлекло огромное внимание в академической и промышленной сферах [16].

Автоматическое обнаружение фейковых новостей ставит задачи, которые не поддаются существующим подходам, основанным на анализе содержания. Одна из основных причин заключается в том, что часто интерпретация новостей является высоко нюансированной и требует знания политического или социального контекста или "здравого смысла", которых не хватает даже самым современным алгоритмам обработки естественного языка. Кроме того, фейковые новости часто намеренно написаны злоумышленниками, чтобы выглядеть как реальные новости, но содержат ложную или манипулятивную информацию таким образом, что даже обученным человеческим экспертам трудно их обнаружить.

Предыдущие работы

Существующие подходы к обнаружению фейковых новостей можно разделить на три основные категории, основанные на содержании, социальном контексте и распространении [36, 44]. Подходы, основанные на содержании, которые используются в большинстве работ по обнаружению фейковых новостей, опираются на лингвистические (лексические и синтаксические) признаки, которые могут улавливать обманчивые сигналы или стили письма [1, 32, 30, 29, 28]. Основным недостатком подходов, основанных на содержании, является то, что их можно обойти с помощью достаточно сложных фейковых новостей, которые не сразу кажутся фальшивыми. Кроме того, большинство лингвистических признаков зависят от языка, что ограничивает общность этих подходов.

Признаки социального контекста включают демографические данные пользователей (такие как возраст, пол, образование и политическая принадлежность [37, 21]), структуру социальной сети [38, 35] (в виде связей между пользователями, таких как дружба или отношения подписчик/подписан) и реакции пользователей (например, посты, сопровождающие новостной элемент [33] или лайки [40]).

Подходы, основанные на анализе распространения, пожалуй, являются наиболее интригующим и перспективным направлением исследований, основанным на изучении процесса распространения новостей во времени. Было высказано предположение, что процесс распространения фейковых новостей аналогичен распространению инфекционного заболевания [14] и может быть понят с помощью моделей сетевой эпидемиологии. Существуют существенные эмпирические доказательства того, что фейковые новости распространяются иначе, чем настоящие новости [42], образуя паттерны распространения, которые потенциально могут быть использованы для автоматического обнаружения фейковых новостей. Благодаря тому, что они не зависят от содержания, признаки, основанные на распространении, вероятно, обобщаются на разные языки, локации и географические регионы, в отличие от признаков, основанных на содержании, которые должны разрабатываться отдельно для каждого языка. Кроме того, управление паттернами распространения новостей в социальной сети, как правило, выходит за рамки возможностей отдельных пользователей, что означает, что признаки, основанные на распространении, потенциально будет очень трудно подделать с помощью атак.

Основной вклад

До сих пор попытки использовать распространение новостей для обнаружения фейковых новостей применяли "ручные" графо-теоретические признаки, такие как центральность, клики или связные компоненты [15]. Эти признаки довольно произвольны, слишком общи и не обязательно значимы для конкретной задачи обнаружения фейковых новостей. В этой статье мы предлагаем изучить специфические паттерны распространения фейковых новостей с использованием геометрического глубокого обучения, нового класса методов глубокого обучения, предназначенных для работы со структурированными данными в виде графов [4]. Геометрическое глубокое обучение естественным образом работает с гетерогенными данными (такими как демографические данные и активность пользователей, структура социальной сети, распространение новостей и содержание), таким образом неся потенциал быть объединяющей основой для подходов, основанных на содержании, социальном контексте и распространении.

Модель, предложенная в этой статье, обучается под наблюдением на большом наборе аннотированных фейковых и настоящих историй, распространявшихся в Twitter в период с 2013 по 2018 год. Мы проводим обширное тестирование нашей модели в различных сложных условиях, показывая, что она достигает очень высокой точности (почти 93% ROC AUC), требует очень короткого времени распространения новостей (всего несколько часов распространения) и хорошо работает, когда модель обучается на данных, отдаленных во времени от тестовых данных.

Пример распространения одной новостной истории в подмножестве социальной сети Twitter
Рисунок 1: Пример распространения одной новостной истории в подмножестве социальной сети Twitter. Социальные связи между пользователями визуализированы как светло-синие ребра. URL новости твитят несколько пользователей (корни каскадов обозначены красным), каждый из которых производит каскад, распространяющийся по подмножеству социального графа (красные ребра). Размер круга представляет количество подписчиков. Обратите внимание, что некоторые каскады малы и содержат только корень (пользователь, опубликовавший твит) или всего несколько ретвитов.

2. Набор данных

Одной из ключевых проблем в подходах, основанных на машинном обучении в целом, и в автоматическом обнаружении фейковых новостей в частности, является сбор достаточно большого, богатого и надежно размеченного набора данных, на котором алгоритмы могут быть обучены и протестированы. Более того, само понятие "фейковых новостей" довольно расплывчато и нюансировано. Для начала нет консенсуса относительно того, что считается "новостью", не говоря уже о метке "правда" или "ложь". Большое количество исследований использует понятие надежных или ненадежных источников в качестве прокси для истинных или ложных историй. Хотя это позволяет собрать большие наборы данных, такие подходы критиковались как слишком грубые [42]. В нашем исследовании мы выбрали процесс сбора данных, в котором каждая "история" имеет базовую статью, опубликованную в Интернете, и каждая такая история проверяется индивидуально. В нашей классификации истинных или ложных утверждений мы полагаемся на профессиональные некоммерческие журналистские организации по проверке фактов, такие как Snopes, PolitiFact и Buzzfeed. Отметим, что наше использование термина "фейковые новости", хотя и не нравится исследовательскому сообществу социальных наук из-за его злоупотребления в политическом дискурсе, относится как к misinformation, так и к disinformation, т.е. непреднамеренному, а также преднамеренному распространению вводящей в заблуждение или ложной нарративной или фактической информации.

Протокол сбора данных

Наш процесс сбора данных был вдохновлен и в значительной степени следовал новаторской работе Vosoughi et al. [42]. Мы использовали коллекцию новостей, проверенных организациями по проверке фактов с установленной репутацией в разоблачении слухов; каждая исходная организация по проверке фактов предоставляет архив новостей с соответствующим кратким утверждением (например, "Актриса Эллисон Мак призналась, что продавала детей Ротшильдам и Клинтонам") и меткой, определяющей его достоверность ("ложь" в приведенном примере). Во-первых, мы собрали общий список статей по проверке фактов из таких архивов и, для простоты, отбросили утверждения с неоднозначными метками, такими как "смешанные" или "частично правдивые/ложные". Во-вторых, для каждой отфильтрованной статьи мы идентифицировали потенциально связанные URL-адреса, на которые ссылаются проверяющие факты, отфильтровав все те, которые не упоминались хотя бы раз в Twitter. В-третьих, обученные человеческие аннотаторы были использованы для определения того, соответствуют ли веб-страницы, связанные с собранными URL-адресами, утверждению, отрицают его или просто не связаны с этим утверждением. Это предоставило простой метод распространения меток истинности из вердиктов проверки фактов на URL-адреса: если URL-адрес соответствует утверждению, то он непосредственно наследует вердикт; если он отрицает утверждение, он наследует противоположное вердикту (например, URL-адреса, соответствующие истинному утверждению, помечаются как истинные, URL-адреса, отрицающие истинное утверждение, помечаются как ложные). URL-адреса, собранные из разных источников, с одинаковой достоверностью и датой первого появления в Twitter, были дополнительно проверены, чтобы убедиться, что они ссылаются на разные статьи.

Последняя часть процесса сбора данных состояла в извлечении данных Twitter, связанных с распространением новостей, связанных с конкретным URL-адресом. Следуя номенклатуре [42], мы называем каскадом дерево распространения новостей, созданное исходным твитом, ссылающимся на URL-адрес, и всеми его ретвитами. Для каждого URL-адреса мы искали все связанные каскады и обогащали их характеристику на основе Twitter (т.е. данные пользователей и твитов), рисуя ребра между пользователями в соответствии с социальной сетью Twitter (см. пример на Рисунке 1).

Что касается этого последнего шага сбора данных, наш подход значительно отличается от протокола [42], где собирались твиты, ссылающиеся на веб-сайт по проверке фактов, что по сути позволяло получить только каскады, в которых кто-то разместил "ссылку-доказательство" с достоверностью новости. Хотя это значительно более трудоемко, мы считаем, что наш протокол сбора данных создает гораздо более чистый набор данных.

Статистика

Рисунки 2–3 изображают статистику нашего набора данных. В целом наша коллекция состояла из 1084 размеченных утверждений, распространенных в Twitter в 158 951 каскадах, охватывающих период с мая 2013 года по январь 2018 года. Общее количество уникальных пользователей, участвовавших в распространении, составило 202 375, а их соответствующий социальный граф включал 2 443 996 ребер. Поскольку мы собрали 1129 URL-адресов, среднее количество URL-адресов статей на утверждение составляет около 1,04; таким образом, URL-адрес можно считать хорошим прокси для утверждения в нашем наборе данных, и поэтому мы будем использовать эти два термина как синонимы далее. Также отметим, что, аналогично [42], большая часть каскадов была небольшого размера (среднее количество твитов и пользователей в каскаде составляет 2,79, см. также Рисунок 2, изображающий распределение размеров каскадов), что потребовало использования порога на минимальный размер каскада для независимой классификации этих каскадов в некоторых экспериментах (подробности см. в разделе 4.1).

Распределение размеров каскадов в наборе данных
Рисунок 2: Распределение размеров каскадов (количество твитов на каскад) в нашем наборе данных.
Распределение каскадов по URL-адресам
Рисунок 3: Распределение каскадов по 930 URL-адресам, доступным в нашем наборе данных с как минимум шестью твитами на каскад, отсортированным по количеству каскадов в порядке убывания. Первые 15 URL-адресов (~1,5% всего набора данных) соответствуют 20% всех каскадов.

Признаки

Мы извлекли следующие признаки, описывающие новости, пользователей и их активность, сгруппированные в четыре категории: Профиль пользователя (геолокация и настройки профиля, язык, векторное представление слов самоописания профиля пользователя, дата создания аккаунта и был ли он верифицирован), Активность пользователя (количество избранных, списков и статусов), Сеть и распространение (социальные связи между пользователями, количество подписчиков и друзей, дерево распространения каскада, временные метки ретвитов и исходное устройство, количество ответов, цитирований, избранных и ретвитов для исходного твита) и Содержание (векторное представление слов текстового содержания твита и включенных хэштегов).

Достоверность и поляризация

Социальная сеть, собранная в нашем исследовании, проявляет заметную поляризацию, изображенную на Рисунке 4. Каждому пользователю на этом графике присваивается оценка достоверности в диапазоне [−1, +1], вычисленная как разница между долей (ре)твитнутых истинных и фейковых новостей (отрицательные значения, представляющие фейковые, изображены красным; более достоверные пользователи представлены синим). Позиции узлов графа определяются топологическим вложением, вычисленным с помощью силового алгоритма Фрухтермана-Рейнгольда [9], группирующего вместе узлы графа, которые более сильно связаны, и разводящего узлы, имеющие слабые связи. Мы наблюдаем, что достоверные (синие) и недостоверные (красные) пользователи имеют тенденцию формировать два отдельных сообщества, что предполагает, что эти две категории твитеров предпочитают иметь в основном гомофильные взаимодействия. Хотя более глубокое изучение этого явления выходит за рамки данной статьи, мы отмечаем, что подобная поляризация наблюдалась ранее в социальных сетях, например, в контексте политического дискурса [7] и может быть связана с теориями "эхо-камер", которые пытаются объяснить причины различий в паттернах распространения фейковых и истинных новостей.

Сеть Twitter с оценкой достоверности пользователей
Рисунок 4: Подмножество сети Twitter, использованной в нашем исследовании, с оценкой достоверности пользователей. Вершины представляют пользователей, серые ребра — социальные связи. Цвет и размер вершины кодируют достоверность пользователя (синий = надежный, красный = ненадежный) и количество подписчиков каждого пользователя соответственно. Числа от 1 до 9 представляют девять пользователей с наибольшим количеством подписчиков.

3. Наша модель

3.1 Геометрическое глубокое обучение

За последнее десятилетие методы глубокого обучения оказали замечательное влияние на множество областей, в частности на компьютерное зрение, анализ речи и обработку естественного языка [17]. Однако большинство популярных глубоких нейронных моделей, таких как сверточные нейронные сети (CNN) [18], основаны на классической теории обработки сигналов с базовым предположением о структурированных данных в виде сетки (евклидовых). В последние годы наблюдается растущий интерес к обобщению методов глубокого обучения на неевклидовы (структурированные в виде графов и многообразий) данные. Ранние подходы к обучению на графах [34] предшествуют недавнему возрождению глубокого обучения и формулируются как фиксированные точки обучаемых операторов диффузии. Современный интерес к глубокому обучению на графах можно отнести к спектральной модели CNN Bruna et al. [5]. Поскольку некоторые из первых работ в этой области возникли в сообществе графики и геометрии [22], термин геометрическое глубокое обучение широко используется как общий термин для неевклидовых подходов глубокого обучения [4].

В широком смысле графовые CNN заменяют классическую операцию свертки на сетках локальной перестановочно-инвариантной агрегацией на окрестности вершины в графе. В спектральных графовых CNN [5] эта операция выполняется в спектральной области, используя аналогию между собственными векторами лапласиана графа и классическим преобразованием Фурье; фильтры представлены как обучаемые спектральные коэффициенты. Хотя концептуально важные, спектральные CNN страдают от высокой вычислительной сложности и трудности обобщения на различные области [4]. Последующие работы показали, что явного разложения Лапласа можно полностью избежать, используя функции, выразимые в терминах простых операций матрица-вектор, таких как полиномы [8, 12] или рациональные функции [19]. Такие спектральные фильтры обычно масштабируются линейно с размером графа и могут быть обобщены на структуры более высокого порядка [25], двойственные графы (фильтры ребер) [26] и произведения графов [24].

Оператор Лапласа является лишь одним примером фиксированной локальной перестановочно-инвариантной операции агрегации, сводящейся к взвешенному усреднению. Более общие операторы были предложены с использованием сверток по ребрам [43], нейронной передачи сообщений [10], локального картирования [23] и графового внимания [41]. На неевклидовых областях с локальной низкоразмерной структурой (многообразия, сетки, облака точек) были построены более мощные операторы с использованием, например, анизотропных ядер диффузии [2].

Будучи очень абстрактными моделями систем отношений и взаимодействий, графы естественным образом возникают в различных областях науки. По этой причине техники геометрического глубокого обучения были успешно применены в самых разных задачах, таких как компьютерная графика и зрение [2, 23, 20, 43], защита от атак [39], системы рекомендаций [24], квантовая химия [10] и обнаружение нейтрино [6], чтобы упомянуть лишь некоторые.

3.2 Архитектура и настройки обучения

Наша модель глубокого обучения описана ниже. Мы использовали четырехслойную графовую CNN с двумя сверточными слоями (64-мерная карта признаков на выходе в каждом) и двумя полносвязными слоями (производящими 32- и 2-мерные выходные признаки соответственно) для прогнозирования вероятностей классов фейк/правда. На рисунке 5 изображена блок-схема нашей модели. Одна голова графового внимания [41] использовалась в каждом сверточном слое для реализации фильтров вместе со средним пуллингом для уменьшения размерности. Мы использовали масштабированную экспоненциальную линейную единицу (SELU) [13] в качестве нелинейности во всей сети. Для обучения нейронной сети использовалась функция потерь hinge (мы предпочли hinge loss более часто используемой средней перекрестной энтропии, поскольку она превзошла последнюю в ранних экспериментах). С нашей моделью регуляризация не использовалась.

Архитектура нейронной сети
Рисунок 5: Архитектура нашей нейронной сети. Верхний ряд: GC = Графовая свертка, MP = Средний пулинг, FC = Полносвязный слой, SM = Слой SoftMax. Нижний ряд: входные/выходные тензоры, полученные/произведенные каждым слоем.

3.3 Генерация входных данных

Для заданного URL-адреса u (или каскада c, возникающего из u) с соответствующими твитами Tu = {t¹u, t²u, ..., tNu}, упоминающими его, мы описываем u в терминах графа Gu. Gu имеет твиты в Tu в качестве узлов и предполагаемые пути распространения новостей плюс социальные отношения в качестве ребер. Другими словами, для двух узлов i и j ребро (i, j) ∈ Gu тогда и только тогда, когда выполняется хотя бы одно из следующих условий: i подписан на j (т.е. автор твита i подписан на автора твита j), j подписан на i, распространение новостей происходит от i к j или от j к i.

Пути распространения новостей, определяющие деревья распространения, оценивались, как в [42], совместно учитывая временные метки вовлеченных (ре)твитов и социальные связи между их авторами. Для tnu – ретвита каскада, связанного с URL-адресом u, и {t⁰u... tn⁻¹u} – непосредственно предшествующих (ре)твитов, принадлежащих тому же каскаду и авторами которых являются пользователи {a⁰u, ..., anu}, тогда:

  1. если anu подписан хотя бы на одного пользователя из {a⁰u, ..., an⁻¹u}, мы оцениваем распространение новостей к tnu от самого последнего твита в {t⁰u... tn⁻¹u}, автор которого находится в подписках anu;
  2. если anu не подписан ни на одного из пользователей в {a⁰u, ..., an⁻¹u}, мы консервативно оцениваем распространение новостей к tnu от пользователя в {a⁰u, ..., an⁻¹u}, имеющего наибольшее количество подписчиков (т.е. самого популярного).

Наконец, узлы и ребра графа Gu имеют признаки, описывающие их. Узлы, представляющие твиты и их авторов, характеризовались всеми признаками, представленными в разделе 2. Что касается ребер, мы использовали признаки, представляющие принадлежность к каждому из четырех упомянутых отношений (подписка и распространение новостей, в обоих направлениях). Наш подход к определению связности графа и признаков ребер позволяет, в графовой свертке, распространять информацию независимо от направления отношения, потенциально придавая разную важность типам соединений. Признаки ребра (i, j) конкатенируются с признаками узлов i и j в слое проекции внимания для достижения такого поведения.

4. Результаты

Мы рассмотрели две различные настройки обнаружения фейковых новостей: на уровне URL-адресов и на уровне каскадов, используя одну и ту же архитектуру для обеих настроек. В первой настройке мы пытались предсказать метку правда/фейк URL-адреса, содержащего новостную историю, по всем каскадам Twitter, которые он породил. В среднем каждый URL-адрес приводил примерно к 141 каскаду. В последней настройке, которая значительно более сложна, мы предполагали, что дан только один каскад, возникший из URL-адреса, и пытались предсказать метку, связанную с этим URL-адресом. Наше предположение состоит в том, что все каскады, связанные с URL-адресом, наследуют метку последнего. Хотя мы проверили, что это предположение верно в большинстве случаев в нашем наборе данных, возможно, что статья, например, твитнута с комментарием, отрицающим ее содержание. Мы оставляем анализ комментариев, сопровождающих твиты/ретвиты, для будущего исследования.

4.1 Производительность модели

Для классификации на уровне URL-адресов мы использовали пять рандомизированных разбиений на обучение/тест/валидацию. В среднем обучающий, тестовый и валидационный наборы содержали 677, 226 и 226 URL-адресов соответственно, с 83,26% истинными и 16,74% ложными метками (± 0,06% и 0,15% для обучающего и валидационного/тестового наборов соответственно). Для классификации на уровне каскадов мы использовали то же разбиение, первоначально реализованное для классификации на уровне URL-адресов (т.е. все каскады, порожденные URL-адресом u, помещены в ту же фолду, что и u). Каскады, содержащие менее 6 твитов, были отброшены; причина выбора этого порога обоснована ниже. Полная продолжительность каскада (24 часа) использовалась для обеих настроек этого эксперимента. Обучающий, тестовый и валидационный наборы содержали в среднем 3586, 1195, 1195 каскадов соответственно, с 81,73% истинными и 18,27% ложными метками (± 3,25% и 6,50% для обучающего и валидационного/тестового наборов соответственно).

Наша нейронная сеть обучалась в течение 25×10³ и 50×10³ итераций в настройках на уровне URL-адресов и каскадов соответственно, с использованием AMSGrad [31] со скоростью обучения 5×10⁻⁴ и мини-батчом размера один.

Производительность обнаружения фейковых новостей на уровне URL-адресов и каскадов
Рисунок 6: Производительность обнаружения фейковых новостей на уровне URL-адресов (синий) и каскадов (красный) с использованием времени распространения 24 часа. Показаны ROC-кривые, усредненные по пяти фолдам (затененные области представляют стандартные отклонения). ROC AUC составляет 92,70 ± 1,80% для классификации на уровне URL-адресов и 88,30 ± 2,74% для классификации на уровне каскадов соответственно. Для классификации на уровне каскадов рассматривались только каскады с как минимум 6 твитами.

На рисунке 6 изображена производительность классификации фейковых новостей на уровне URL-адресов (синий) и каскадов (красный), представленная как компромисс (ROC-кривая) между частотой ложных срабатываний (доля истинных новостей, ошибочно классифицированных как фейковые) и частотой истинных срабатываний (доля фейковых новостей, правильно классифицированных как фейковые). Мы используем площадь под ROC-кривой (ROC AUC) в качестве совокупной меры точности. На вышеуказанных разбиениях наш метод достиг среднего ROC AUC 92,70 ± 1,80% и 88,30 ± 2,74% в настройках на уровне URL-адресов и каскадов соответственно.

T-SNE вложение признаков вершин
Рисунок 7: T-SNE вложение признаков вершин, произведенных нашей нейронной сетью на последнем сверточном слое, представляющих всех пользователей в нашем исследовании, раскрашенных в соответствии с их достоверностью (синий = надежный, красный = ненадежный). Четко проявляются кластеры пользователей с разной достоверностью, что указывает на то, что нейронная сеть изучает признаки, полезные для обнаружения фейковых новостей.

На рисунке 7 изображен низкоразмерный график признаков вершин последнего графового сверточного слоя, полученных с использованием t-SNE вложения. Вершины раскрашены с использованием оценки достоверности, определенной в разделе 2. Мы наблюдаем четкие кластеры надежных (синих) и ненадежных (красных) пользователей, что указывает на то, что нейронная сеть изучает признаки, полезные для классификации фейковых новостей.

Влияние минимального размера каскада

Одной из характеристик нашего набора данных (а также набора данных в исследовании [42]) является обилие небольших каскадов, содержащих всего несколько пользователей (см. Рисунок 2). Поскольку наш подход опирается на распространение новостей по социальной сети Twitter, такие примеры может быть трудно классифицировать, поскольку слишком маленькие каскады могут не проявлять четкой картины диффузии. Чтобы определить минимальный полезный размер каскада, мы исследовали производительность нашей модели в настройке классификации на уровне каскадов с использованием каскадов различных минимальных размеров (Рисунок 8). Как и ожидалось, производительность модели увеличивается с более крупными каскадами, достигая насыщения для каскадов с как минимум 6 твитами (оставляя в общей сложности 5976 образцов). Этот эксперимент обосновывает наш выбор использования 6 твитов в качестве минимального размера каскада в экспериментах на уровне каскадов в нашем исследовании.

Зависимость производительности от минимального размера каскада
Рисунок 8: Производительность обнаружения фейковых новостей на уровне каскадов (средний ROC AUC, усредненный по пяти фолдам) с использованием порога минимального размера каскада. Лучшая производительность достигается при отфильтровывании каскадов размером менее 6 твитов.

Исследование важности признаков (ablation study)

Чтобы дополнительно подчеркнуть важность различных категорий признаков, предоставляемых на вход модели, мы провели исследование важности признаков с помощью обратного отбора признаков. Мы рассмотрели четыре группы признаков, определенные в разделе 2: профиль пользователя, активность пользователя, сеть и распространение, и содержание. Результаты эксперимента по исследованию важности признаков показаны на рисунке 9 для настроек на уровне URL-адресов (сверху) и каскадов (снизу). В обеих настройках профиль пользователя и сеть/распространение появляются как две наиболее важные группы признаков и позволяют достичь удовлетворительных результатов классификации (около 90% ROC AUC) с предложенной моделью.

Результаты исследования важности признаков
Рисунок 9: Результат исследования важности признаков для обнаружения фейковых новостей на уровне URL-адресов (сверху) / каскадов (снизу) с использованием обратного отбора признаков. Показана производительность (ROC AUC) для нашей модели, обученной на подмножествах признаков, сгруппированных в четыре категории: профиль пользователя, сеть и распространение, содержание и активность пользователя. Группы отсортированы по важности слева направо.

Интересно, что в настройке на уровне каскадов, хотя все признаки положительно влияли на окончательные предсказания на уровне URL-адресов, удаление содержания твитов из предоставленных входных данных улучшает производительность на 4%. Этот, казалось бы, противоречивый результат можно объяснить, посмотрев на распределение каскадов по всем доступным URL-адресам (Рисунок 3): 20% каскадов связаны с 15 крупнейшими URL-адресами в нашем наборе данных (∼1,5% от общего числа 930). Поскольку твиты, цитирующие один и тот же URL-адрес, обычно представляют аналогичное содержание, модели легко переобучиться на этом конкретном признаке. Поэтому следует ввести соответствующую регуляризацию (например, dropout или затухание весов), чтобы избежать переобучения и улучшить производительность на тесте. Мы оставляем это дальнейшее исследование на будущее. Для простоты, используя возможности нашей модели классифицировать фейковые новости в сценарии без учета содержания, мы решили полностью игнорировать дескрипторы, основанные на содержании (векторные представления слов твитов), для классификации на уровне каскадов и позволить модели использовать только признаки, связанные с пользователями и распространением.

4.2 Распространение новостей во времени

Одним из ключевых отличий методов, основанных на распространении, от их аналогов, основанных на содержании, а именно опоры на признаки распространения новостей, потенциально возникает следующий вопрос: сколько времени новости должны распространяться, прежде чем мы сможем надежно их классифицировать? Мы провели серию экспериментов, чтобы изучить, в какой степени это справедливо для нашего подхода.

С этой целью мы обрезали каскады после времени t, начиная с первого твита, причем t варьировалось от 0 (эффективно рассматривая только начальный твит, т.е. "корень" каждого каскада) до 24 часов (полная продолжительность каскада) с шагом в один час. Модель обучалась отдельно для каждого значения t. Для уменьшения смещения оценок при сохранении общей вычислительной стоимости использовалась пятикратная перекрестная проверка.

Производительность как функция времени распространения каскада
Рисунок 10: Производительность обнаружения фейковых новостей на уровне URL-адресов (сверху) и каскадов (снизу) (средний ROC AUC, усредненный по пяти фолдам) как функция времени распространения каскада.

На рисунке 10 изображена производительность модели (средний ROC AUC) как функция продолжительности каскада для настроек на уровне URL-адресов (сверху) и каскадов (снизу). Как и ожидалось, производительность увеличивается с продолжительностью каскада, достигая насыщения примерно после 15 часов в настройке на уровне URL-адресов и после 7 часов в настройке на уровне каскадов соответственно. Это различное поведение в основном связано с более простыми топологическими паттернами и более короткой жизнью отдельных каскадов. Семь часов распространения охватывают в среднем около 91% размера каскада; для настройки на уровне URL-адресов соответствующее значение составляет 68%. Аналогичный уровень охвата, 86%, достигается после 15 часов распространения в настройке на уровне URL-адресов.

Также отметим, что всего несколько (∼2) часов распространения новостей достаточно для достижения выше 90% среднего ROC AUC в классификации фейковых новостей на уровне URL-адресов. Более того, мы наблюдаем значительный скачок в производительности от настройки 0 часов (эффективно использующей только профиль пользователя, активность пользователя и признаки содержания) к настройкам ≥ 1 часа (учитывающим дополнительно распространение новостей), что мы интерпретируем как еще одно указание на важность признаков, связанных с распространением.

4.3 Старение модели

Мы живем в динамичном мире с постоянно развивающимся политическим контекстом. Поскольку социальная сеть, предпочтения и активность пользователей, темы новостей и, возможно, также паттерны распространения развиваются во времени, важно понять, в какой степени модель, обученная в прошлом, может обобщаться на такие новые обстоятельства. В последнем наборе экспериментов мы изучаем, как производительность модели стареет со временем в настройках на уровне URL-адресов и каскадов. Эти эксперименты направлены на имитацию реального сценария, в котором модель, обученная на исторических данных, применяется к новым твитам в реальном времени.

Для настройки на уровне URL-адресов мы разделили наш набор данных на обучающий/валидационный (80% URL-адресов) и тестовый (20% URL-адресов) наборы; обучающий/валидационный и тестовый наборы были непересекающимися и следующими друг за другом во времени. Мы оценили результаты нашей модели на подмножествах тестового набора, разработанных как частично перекрывающиеся (среднее пересечение по объединению равно 0,56 ± 0,15) временные окна. Частичное перекрытие позволило нам работать с большими подмножествами, сохраняя соотношение положительных и отрицательных примеров, обеспечивая при этом более плавные результаты, как при скользящем среднем. Таким образом, каждое окно содержало не менее 24% тестового набора (среднее количество URL-адресов в окне составляло 73 ± 33,34), и средние даты двух последовательных окон были разделены как минимум 14 днями, прогрессивно увеличиваясь.

Влияние старения обучающего набора на производительность
Рисунок 11: Влияние старения обучающего набора на производительность обнаружения фейковых новостей на уровне URL-адресов (сверху) и каскадов (снизу). Горизонтальная ось показывает разницу в днях между средней датой обучающего и тестового наборов. Показана тестовая производительность, полученная нашей моделью с 24-часовым распространением (сплошная синяя), тестовая производительность, полученная той же моделью, использующей только первый твит каждой новости (0-часовое распространение, пунктирная оранжевая), и тестовая производительность, полученная при обучении на наших исходных равномерно распределенных пяти фолдах (предсказания достоверности вычисляются для каждого URL-адреса/каскада, когда он появляется как тестовый образец в нашей пятикратной перекрестной проверке с 24-часовым распространением, зеленая).

На рисунке 11 (сверху) показано изменение производительности из-за старения обучающего набора в настройке на уровне URL-адресов. Наша модель демонстрирует незначительное ухудшение производительности только после 180 дней. Мы приписываем это ухудшение изменению паттернов распространения и профилей активности пользователей.

Мы повторили тот же эксперимент в настройке на уровне каскадов. Разделение на обучающий/валидационный и тестовый наборы и генерация временных окон выполнялись аналогично эксперименту на уровне URL-адресов. Каждое временное окно в тестовом наборе имеет средний размер 314 ± 148 каскадов, и два последовательных окна имели среднее перекрытие с пересечением по объединению, равным 0,68 ± 0,21. На рисунке 11 (снизу) обобщена производительность нашей модели в настройке на уровне каскадов. В этом случае она демонстрирует более устойчивое поведение по сравнению с настройкой на уровне URL-адресов, теряя только 4% после 260 дней.

Это различное поведение, вероятно, связано с более высокой изменчивостью, которая характеризует каскады в отличие от URL-адресов. Поскольку отдельные каскады представлены меньшими и более простыми графами, вероятность идентификации повторяющихся богатых структур между различными обучающими образцами ниже по сравнению с настройкой на уровне URL-адресов, и, кроме того, каскады могут легче вовлекать пользователей из разных частей социальной сети Twitter. Таким образом, в настройке на уровне каскадов наша модель, основанная на распространении, вынуждена изучать более простые признаки, которые, с одной стороны, менее дискриминативны (отсюда и более низкая общая производительность), а с другой стороны, кажутся более устойчивыми к старению. Мы оставляем более глубокий анализ этого поведения для будущих исследований, которые могут предоставить дополнительные способы улучшения производительности классификации фейковых новостей.

5. Выводы

В этой статье мы представили подход геометрического глубокого обучения для обнаружения фейковых новостей в социальной сети Twitter. Предложенный метод естественным образом позволяет интегрировать гетерогенные данные, относящиеся к профилю и активности пользователей, структуре социальной сети, паттернам распространения новостей и содержанию. Ключевым преимуществом использования подхода глубокого обучения в отличие от "ручных" признаков является его способность автоматически изучать специфичные для задачи признаки из данных; выбор геометрического глубокого обучения в этом случае мотивирован структурой данных в виде графов. Наша модель достигает очень высокой точности и демонстрирует устойчивое поведение в нескольких сложных условиях, связанных с крупномасштабными реальными данными, указывая на большой потенциал методов геометрического глубокого обучения для обнаружения фейковых новостей.

Остаются множество интригующих явлений и гипотез для будущих исследований. Особый интерес представляет экспериментальная проверка гипотезы о том, что наша модель потенциально не зависит от языка и географии, будучи в основном основанной на признаках связности и распространения. Исследование атак также представляет большой интерес как с теоретической, так и с практической точек зрения: с одной стороны, атаки позволили бы изучить ограничения модели и ее устойчивость к атакам. Мы предполагаем, что атаки на графовые подходы требуют манипуляций с социальной сетью, которые трудно реализовать на практике, что делает наш метод особенно привлекательным. С другой стороны, методы атак могли бы пролить свет на то, как графовая нейронная сеть принимает решения, способствуя лучшей интерпретируемости модели. Наконец, мы намерены изучить дополнительные применения нашей модели в анализе данных социальных сетей, выходящие за рамки обнаружения фейковых новостей, такие как классификация тем новостей и предсказание виральности.

6. Благодарности

Мы с благодарностью признаем щедрую поддержку гранта ERC Consolidator № 724228 (LEMAN), гранта ERC Proof of Concept № 812672 (GoodNews), нескольких наград Google Research Faculty и грантов на оборудование Nvidia, гранта Amazon AWS Machine Learning Research, премии фонда Dalle Molle и награды Facebook Computational Social Science Methodology. MB также частично поддерживается наградой Royal Society Wolfson Research Merit и промышленной стипендией Рудольфа Дизеля в TU Munich. Стипендия для аспирантуры FF поддерживается грантом SNF № 200021E/176315.

7. Список литературы

[1] Sadia Afroz, Michael Brennan, and Rachel Greenstadt. Detecting hoaxes, frauds, and deception in writing style online. In Proc. IEEE Symp. Security and Privacy (SP), pages 461–475, 2012.
[2] Davide Boscaini, Jonathan Masci, Emanuele Rodolà, and Michael Bronstein. Learning shape correspondence with anisotropic convolutional neural networks. In Proc. NIPS, 2016.
[3] Alexandre Bovet and Hernán A Makse. Influence of fake news in Twitter during the 2016 US presidential election. Nature Communications, 10(1):7, 2019.
[4] Michael M Bronstein, Joan Bruna, Yann LeCun, Arthur Szlam, and Pierre Vandergheynst. Geometric deep learning: going beyond euclidean data. IEEE Signal Processing Magazine, 34(4):18–42, 2017.
[5] Joan Bruna, Wojciech Zaremba, Arthur Szlam, and Yann Lecun. Spectral networks and locally connected networks on graphs. In Proc. ICLR, 2014.
[6] Nicholas Choma, Federico Monti, Lisa Gerhardt, Tomasz Palczewski, Zahra Ronaghi, Prabhat Prabhat, Wahid Bhimji, Michael Bronstein, Spencer Klein, and Joan Bruna. Graph neural networks for icecube signal classification. In Proc. ICMLA, 2018.
[7] Michael Conover, Jacob Ratkiewicz, Matthew R Francisco, Bruno Gonçalves, Filippo Menczer, and Alessandro Flammini. Political polarization on twitter. In Proc. ICWSM, 2011.
[8] Michaël Defferrard, Xavier Bresson, and Pierre Vandergheynst. Convolutional neural networks on graphs with fast localized spectral filtering. In Proc. NIPS, 2016.
[9] Thomas MJ Fruchterman and Edward M Reingold. Graph drawing by force-directed placement. Software: Practice and experience, 21(11):1129–1164, 1991.
[10] Justin Gilmer, Samuel S Schoenholz, Patrick F Riley, Oriol Vinyals, and George E Dahl. Neural message passing for quantum chemistry. In Proc. ICML, 2017.
[11] Lee Howell et al. Digital wildfires in a hyperconnected world. WEF Report, 3:15–94, 2013.
[12] Thomas N Kipf and Max Welling. Semi-supervised classification with graph convolutional networks. 2017.
[13] Günter Klambauer, Thomas Unterthiner, Andreas Mayr, and Sepp Hochreiter. Self-normalizing neural networks. In Proc. NIPS, 2017.
[14] Adam Kucharski. Post-truth: Study epidemiology of fake news. Nature, 540(7634):525, 2016.
[15] Sejeong Kwon, Meeyoung Cha, Kyomin Jung, Wei Chen, and Yajun Wang. Prominent features of rumor propagation in online social media. In Proc. Conf. Data Mining, pages 1103–1108, 2013.
[16] David MJ Lazer, Matthew A Baum, Yochai Benkler, Adam J Berinsky, Kelly M Greenhill, Filippo Menczer, Miriam J Metzger, Brendan Nyhan, Gordon Pennycook, David Rothschild, et al. The science of fake news. Science, 359(6380):1094–1096, 2018.
[17] Yann LeCun, Yoshua Bengio, and Geoffrey Hinton. Deep learning. nature, 521(7553):436, 2015.
[18] Yann LeCun, Léon Bottou, Yoshua Bengio, and Patrick Haffner. Gradient-based learning applied to document recognition. Proc. IEEE, 86(11):2278–2324, 1998.
[19] Ron Levie, Federico Monti, Xavier Bresson, and Michael M Bronstein. Cayleynets: Graph convolutional neural networks with complex rational spectral filters. arXiv:1705.07664, 2017.
[20] Or Litany, Alex Bronstein, Michael Bronstein, and Ameesh Makadia. Deformable shape completion with graph convolutional autoencoders. In Proc. CVPR, 2018.
[21] Yunfei Long, Qin Lu, Rong Xiang, Minglei Li, and Chu-Ren Huang. Fake news detection through multi-perspective speaker profiles. In Proc. Natural Language Processing, volume 2, pages 252–256, 2017.
[22] Jonathan Masci, Davide Boscaini, Michael Bronstein, and Pierre Vandergheynst. Geodesic convolutional neural networks on riemannian manifolds. In Proc. ICCV Workshops, 2015.
[23] Federico Monti, Davide Boscaini, Jonathan Masci, Emanuele Rodolà, Jan Svoboda, and Michael M Bronstein. Geometric deep learning on graphs and manifolds using mixture model CNNs. In Proc. CVPR, 2017.
[24] Federico Monti, Michael Bronstein, and Xavier Bresson. Geometric matrix completion with recurrent multi-graph neural networks. In Proc. NIPS, 2017.
[25] Federico Monti, Karl Otness, and Michael M Bronstein. Motifnet: a motif-based graph convolutional network for directed graphs. In Proc. Data Science Workshop, 2018.
[26] Federico Monti, Oleksandr Shchur, Aleksandar Bojchevski, Or Litany, Stephan Günnemann, and Michael M Bronstein. Dual-primal graph convolutional networks. arXiv:1806.00770, 2018.
[27] Jeffrey Pennington, Richard Socher, and Christopher Manning. Glove: Global vectors for word representation. In Proc. EMNLP, 2014.
[28] Verónica Pérez-Rosas, Bennett Kleinberg, Alexandra Lefevre, and Rada Mihalcea. Automatic detection of fake news. arXivarXiv:1708.07104, 2017.
[29] Martin Potthast, Johannes Kiesel, Kevin Reinartz, Janek Bevendorff, and Benno Stein. A stylometric inquiry into hyperpartisan and fake news. arXiv:1702.05638, 2017.
[30] Hannah Rashkin, Eunsol Choi, Jin Yea Jang, Svitlana Volkova, and Yejin Choi. Truth of varying shades: Analyzing language in fake news and political fact-checking. In Proc. Empirical Methods in Natural Language Processing, pages 2931–2937, 2017.
[31] Sashank J Reddi, Satyen Kale, and Sanjiv Kumar. On the convergence of ADAM and beyond. 2018.
[32] Victoria Rubin, Niall Conroy, Yimin Chen, and Sarah Cornwell. Fake news or truth? using satirical cues to detect potentially misleading news. In Proc. Computational Approaches to Deception Detection, pages 7–17, 2016.
[33] Natali Ruchansky, Sungyong Seo, and Yan Liu. Csi: A hybrid deep model for fake news. arXiv:1703.06959, 2017.
[34] Franco Scarselli, Marco Gori, Ah Chung Tsoi, Markus Hagenbuchner, and Gabriele Monfardini. The graph neural network model. IEEE Trans. Neural Networks, 20(1):61–80, 2009.
[35] Kai Shu, H Russell Bernard, and Huan Liu. Studying fake news via network analysis: detection and mitigation. In Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining, pages 43–65. Springer, 2019.
[36] Kai Shu, Amy Sliva, Suhang Wang, Jiliang Tang, and Huan Liu. Fake news detection on social media: A data mining perspective. ACM SIGKDD Explorations Newsletter, 19(1):22–36, 2017.
[37] Kai Shu, Suhang Wang, and Huan Liu. Understanding user profiles on social media for fake news detection. In Proc. Multimedia Information Processing and Retrieval, pages 430–435, 2018.
[38] Kai Shu, Suhang Wang, and Huan Liu. Beyond news contents: The role of social context for fake news detection. In Proc. Web Search and Data Mining, 2019.
[39] Jan Svoboda, Jonathan Masci, Federico Monti, Michael M Bronstein, and Leonidas Guibas. Peernets: Exploiting peer wisdom against adversarial attacks. In Proc. ICLR, 2019.
[40] Eugenio Tacchini, Gabriele Ballarin, Marco L Della Vedova, Stefano Moret, and Luca de Alfaro. Some like it hoax: Automated fake news detection in social networks. arXiv:1704.07506, 2017.
[41] Petar Velickovic, Guillem Cucurull, Arantxa Casanova, Adriana Romero, Pietro Lio, and Yoshua Bengio. Graph attention networks. In Proc. ICLR, 2018.
[42] Soroush Vosoughi, Deb Roy, and Sinan Aral. The spread of true and false news online. Science, 359(6380):1146–1151, 2018.
[43] Yue Wang, Yongbin Sun, Ziwei Liu, Sanjay E Sarma, Michael M Bronstein, and Justin M Solomon. Dynamic graph cnn for learning on point clouds. arXiv:1801.07829, 2018.
[44] Xinyi Zhou and Reza Zafarani. Fake news: A survey of research, detection methods, and opportunities. arXiv:1812.00315, 2018.