Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/31469Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Γεωργιάδης, Ιωάννης | el |
| dc.date.accessioned | 2021-11-10T06:44:59Z | - |
| dc.date.available | 2021-11-10T06:44:59Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/31469 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.11290 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Fake news | en |
| dc.subject | Social media | en |
| dc.subject | Bayesian inference | en |
| dc.subject | Probabilistic model | en |
| dc.subject | Ψευδές ειδήσεις | el |
| dc.subject | Δένδρα διάδοσης πληροφορίας | el |
| dc.subject | Συμπερασματολογία bayes | el |
| dc.subject | Πιθανοτηκό μοντέλο | el |
| dc.title | Detection of fake news in tree propagation networksn | en |
| dc.title | Εύρεση ψευδών ειδήσεων σε δενδρικά δίκτυα διάδοσης | el |
| heal.type | masterThesis | - |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.classification | Fake news | - |
| heal.dateAvailable | 2021-11-10T06:45:59Z | - |
| heal.language | en | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής | el |
| heal.publicationDate | 2021 | - |
| heal.bibliographicCitation | Βιβλιογραφία: σ. 48-49 | el |
| heal.abstract | he proliferation of fake news in online social media platforms has opened up novel, multidisciplinary directions of research trying to achieve automated mechanisms for the timely identification and containment of fake news, and mitigation of its widespread impact on public opinion. While much of the earlier research was focused on identification of fake news based on its contents (e.g., writing style of the story, stance of involved reactions to it, linguistic analysis, etc.), or on the related context (e.g., exploitation of users’ engagement and their reputation within the social media platform, etc.), which are mostly based on AI-enabled techniques, there has been a rising interest in the provision of proactive intervention strategies which are mostly based on the analysis of the spatio-temporal characteristics of the evolving story within the underlying propagation network infrastructure. Most of these works mainly focus on the analysis of the time-series of the reactions to the stories. Some recent works focus on the structural characteristics of the propagation network. For example, it has been experimentally observed that a typical fake-news story evolves faster, deeper and farther than a typical true-story, within the social network platform. In this thesis we continue the line of research focusing on the structural characteristics of the underlying propagation network. Our first differentiation from the literature is that we adopt a probabilistic model for the creation of stories, in which each story is created either by an expert (and is perceived as a true story}, or by some propagandist (and is then perceived as a fake story). Experts have a high probability of providing the correct answer to the question posed by the story, e.g., because they are based on concrete arguments and scientific evidence. Propagandists, on the other hand, simply try to promote a particular stance (in favor of, or against the ground-truth answer) with the story, irrespective of the ground-truth. It should be noted that both an expert and a propagandist might provide either a correct or a false answer, but the expert is highly likely to be correct.The above-mentioned probabilistic model was proposed by Papanatasiou (2019), and was then studied and analyzed for a very simplified case in which the underlying propagation network is a simple directed path. In this thesis we provide a similar analysis for the case in which the underlying propagation network is a rooted directed tree. This is a much more challenging case, since the sequential nature of the users' reactions to an emergent story (and the direct consequences of their own actions to the entire story) no longer holds. We first provide a careful analysis of the users' behavior during the evolution of the story, assuming that they behave rationally, i.e., they are expected-utility maximizers based on their own prior and posterior beliefs for the ground-truth value and for the type (true/fake) of the story. We then proceed with the involvement also of the platform, as an independent observer of the entire propagation network. Our goal is to determine an efficient mechanism for the platform in order to decide in real-time whether and when exactly to intervene the evolution of an emerging story, while only observing in the underlying propagation tree. | en |
| heal.abstract | Το φαινόμενο των ψευδών ειδήσεων στις διαδικτυακές πλατφόρμες κοινωνικής δικτύωσης έχει δημιουργήσει διεπιστημονικές κατευθύνσεις έρευνας που προσπαθούν να επιτύχουν αυτοματοποιημένους μηχανισμούς για τον έγκαιρο εντοπισμό και περιορισμό των ψευδών ειδήσεων όπως και την αποτροπή εκτεταμένων επιπτώσεών τους στην κοινή γνώμη. Ενώ ένα μεγάλο μέρος της προηγούμενης έρευνας επικεντρώθηκε στον εντοπισμό ψευδών ειδήσεων με βάση το περιεχόμενό τους, το οποίο εκμεταλλεύεται χαρακτηριστικά όπως το ύφος γραφής της ιστορίας, τη στάση των εμπλεκόμενων αντιδράσεων σε αυτήν, τη γλωσσική ανάλυση. Επίσης, υπάρχουν προσεγγίσεις οι οποίες εξετάζουν το σχετικό πλαίσιο όπως η εκμετάλλευση της εμπλοκής των χρηστών και της φήμης τους εντός της πλατφόρμας κοινωνικής δικτύωσης. Πολλές από τις παραπάνω τεχνικές βασίζονται κυρίως σε τεχνικές με δυνατότητα τεχνητής νοημοσύνης οι οποίες παρουσιάζουν κάποια μειονεκτήματα όσον αφορά την λύση που παρέχουν στο ζήτημα τον ψευδών ειδήσεων. Μια άλλη ενδιαφέρουσα προσέγγιση για την παροχή στρατηγικών προληπτικής παρέμβασης, είναι τεχνικές οι οποίες βασίζονται κυρίως στην ανάλυση των χωροχρονικών χαρακτηριστικών της εξελισσόμενης ιστορίας εντός της υποκείμενης υποδομής δικτύου διάδοσης. Οι περισσότερες από αυτές τις εργασίες επικεντρώνονται κυρίως στην ανάλυση των χρονοσειρών των αντιδράσεων στις ιστορίες. Ορισμένες πρόσφατες εργασίες επικεντρώνονται στα δομικά χαρακτηριστικά του δικτύου διάδοσης. Για παράδειγμα, έχει παρατηρηθεί πειραματικά ότι μια τυπική ψευδή είδηση εξελίσσεται ταχύτερα, βαθύτερα και μακρύτερα από μια τυπική αληθινή ιστορία, εντός της πλατφόρμας του κοινωνικού δικτύου. Στην παρούσα διατριβή συνεχίζουμε τη γραμμή της έρευνας που επικεντρώνεται στα δομικά χαρακτηριστικά του υποκείμενου δικτύου διάδοσης, το οποίο προκύπτει από τις υποθέσεις εργασίας που εισάγουμε για την συμπεριφορά των χρηστών. Η πρώτη μας διαφοροποίηση από τη βιβλιογραφία είναι ότι υιοθετούμε ένα πιθανοθεωριτικό μοντέλο για τη δημιουργία ιστοριών, στο οποίο κάθε ιστορία δημιουργείται είτε από έναν ειδικό και γίνεται αντιληπτή ως αληθής ιστορία, είτε από κάποιον προπαγανδιστή και στη συνέχεια γίνεται αντιληπτή ως ψευδή ιστορία}. Οι ειδικοί έχουν μεγάλη πιθανότητα να δώσουν τη σωστή απάντηση στο ερώτημα που θέτει η ιστορία, επειδή για παράδειγμα βασίζονται σε συγκεκριμένα επιχειρήματα και επιστημονικά στοιχεία. Οι προπαγανδιστές, από την άλλη πλευρά, απλώς προσπαθούν να προωθήσουν μια συγκεκριμένη στάση, υπέρ ή κατά ενός πραγματικού γεγονότος με την ιστορία, ανεξαρτήτως της πραγματικής αλήθειας. Θα πρέπει να σημειωθεί ότι τόσο ένας εμπειρογνώμονας όσο και ένας προπαγανδιστής μπορεί να δώσουν είτε μια σωστή είτε μια λανθασμένη απάντηση, αλλά ο εμπειρογνώμονας είναι πολύ πιθανό να είναι σωστός. Για το προαναφερθέν πιθανοθεωριτικό μοντέλο υπάρχει ήδη μια ανάλυση για μια πολύ απλοποιημένη περίπτωση στην οποία το υποκείμενο δίκτυο διάδοσης είναι ένα απλό κατευθυνόμενο μονοπάτι. Στην παρούσα διατριβή παρέχουμε μια παρόμοια ανάλυση για την περίπτωση στην οποία το υποκείμενο δίκτυο διάδοσης είναι ένα ριζωμένο κατευθυνόμενο δέντρο. Η μετάβαση από την απλούστερη περίπτωση στην περίπτωση των δενδρικών δικτύων, αποτελεί πρόκληση καθώς δεν ισχύει πλέον η διαδοχική φύση των αντιδράσεων των χρηστών σε μια αναδυόμενη ιστορία και οι άμεσες συνέπειες των δικών τους ενεργειών σε ολόκληρη την ιστορία. Ένα σημαντικό χαρακτηριστικό του μοντέλου, το οποίο θεωρούμε ότι προσεγγίζει το γενικότερο πρόβλημα καλύτερα από άλλες εργασίες, είναι το γεγονός ότι λαμβάνετε υπ' όψιν κάποιου είδους οικονομικών παραγόντων κατά την εξέλιξη του φαινόμενου. Αρχικά παρέχουμε μια προσεκτική ανάλυση της συμπεριφοράς των χρηστών κατά την εξέλιξη της ιστορίας, υποθέτοντας ότι συμπεριφέρονται ορθολογικά, δηλαδή επιδιώκουν την μεγιστοποίηση της αναμενόμενης ωφέλειας με βάση τις δικές τους προηγούμενες και μεταγενέστερες πεποιθήσεις για την τιμή της βασικής αλήθειας και για τον τύπο της ιστορίας (αληθής ή ψευδής). Με βάση τις υποθέσεις εργασίας που εισάγουμε για τους χρήστες, παραθέτουμε κάποιες παρατηρήσεις για την εξέλιξη της διαδικασίας μετάδοσης μιας είδησης σε ένα τέτοιο δίκτυο Στη συνέχεια, προχωρούμε με τη συμμετοχή και της πλατφόρμας, ως ανεξάρτητου παρατηρητή ολόκληρου του δικτύου διάδοσης. Στόχος μας είναι να καθορίσουμε έναν αποτελεσματικό μηχανισμό για την πλατφόρμα, ώστε να αποφασίζει σε πραγματικό χρόνο αν και πότε ακριβώς θα παρέμβει στην εξέλιξη μιας αναδυόμενης ιστορίας, παρατηρώντας μόνο στο υποκείμενο δέντρο διάδοσης. Τέλος, παραθέτουμε φραγματικές τιμές για την αναμενόμενη ωφέλεια της πλατφόρμας για την προσέγγιση του εντοπισμού του βέλτιστου χρόνου παρέμβασης. | el |
| heal.advisorName | Κοντογιάννης, Σπυρίδων | el |
| heal.committeeMemberName | Κοντογιάννης, Σπυρίδων | el |
| heal.committeeMemberName | Γεωργιάδης, Λουκάς | el |
| heal.committeeMemberName | Νομικός, Χρήστος | el |
| heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής | el |
| heal.academicPublisherID | uoi | - |
| heal.numberOfPages | 51 σ. | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΜΗΥΠ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Μ.Ε. ΓΕΩΡΓΙΑΔΗΣ ΙΩΑΝΝΗΣ 2021.pdf | 509.94 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
