Fake News Mitigation in Social Networks

• Main Author: Lacombe, Remi
• Format: Others
• Language: English
• Published: KTH, Skolan för elektroteknik och datavetenskap (EECS) 2018
• Subjects: Engineering and Technology; Teknik och teknologier
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-246085

Fake news is particularly virulent in social networks, where the absence of lters helps itspread quickly. Despite the eorts put forward by the main social network companies, misinformationis still a rampant problem online. One way to limit its diusion is to expose usersto fact-checking content that debunks trending fake news stories with the hope that this willprevent them from sharing misinformation further. This intervention can be carried out by selectinga seed set of users to be exposed to this so-called mitigating content. In order to identifythe best users to select for mitigation purposes, synthetic experiments are performed to simulatethe behavior of the network when the intervention is carried out. These simulations rely on astochastic point process-based model which has been shown to adequately capture the propagationof two competing information campaigns in a network. Due to the overwhelmingly largesizes of the most popular social networks, this model is trained based on real data collectedfrom a smaller sub-network of users who have been carefully chosen. Several algorithms areused to select interesting seed sets of users and their mitigation performances are compared inseveral dierent settings. It is shown that the proposed method of a mitigating intervention inthe network greatly increases the total amount of fact-checking articles over the total amount offake news and that the choice of which users to inuence is signicant as it strongly aects themitigating performances. === Fejknyheter är väldigt virulenta i sociala medier där avsaknaden av filter påskyndar sprid-ningen. Trots de ansträngningar som gjorts av de viktigaste företagen inom sociala medier så är desinformation fortfarande ett hejdlöst problem på nätet. Ett sätt att begränsa spridningen är att exponera användare för faktakontrollerande innehåll som som avslöjar fake news i hopp om att detta kommer att hindra användarna från att dela den felaktiga informationen vidare. Detta ingripande kan utföras genom att välja en grupp så kallade ”seed-användare” som exponeras för det faktakontrollerande innehållet. För att identidiera de bästa användare att välja ut utförs syntetiska experiment som simulerar nätverkets beteende när ingreppet utförs. Dessa simuleringar bygger en stokastisk punktprocessbaserad modell som har visat sig beskriva spridningen av två tävlande informationskampanjer på ett adekvat sätt. På grund av den överväldigande storleken hos de mest populära sociala nätverken tränas modellen på verklig data som hämtats hos en mindre delmängd särskilt utvalda subnätverk. Flera algoritmer används för att välja ut seed-användare och deras påverkan på spridningen i närverket utvärderas under ett flertal olika omständigheter. Det framgår att den föreslagna metoden av ett ingripande i nätverket kraftigt ökar den totala mängden faktabaserade artiklar jämfört med mängden fejknyheter och att beslutet om vilka användare som ska påverkas är av betydelse då det kraftigt påverkar pre-standan.