Network Information Enhances Unreliable News Domain Detection
यह शोध पत्र प्रदर्शित करता है कि ग्राफ न्यूरल नेटवर्क के माध्यम से URL-साझाकरण पैटर्न से प्राप्त नेटवर्क संरचना का लाभ उठाना अविश्वसनीय समाचार डोमेनों का पता लगाने में महत्वपूर्ण सुधार करता है, जो सामग्री-मात्र बेसलाइन की तुलना में बेहतर प्रदर्शन करता है, तब भी जब सामग्री विश्लेषण संभव न हो।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
इंटरनेट की कल्पना एक विशाल, अराजक शहर के चौक के रूप में करें जहाँ हर कोई एक साथ खबरें, अफवाहें और कहानियाँ चिल्ला रहा है। इस चौक में, किसी संदेश का "कंटेंट" (सामग्री) वह है जो वे वास्तव में कह रहे हैं—शब्द, चित्र, वीडियो। लेकिन कहानी की एक और परत भी है: कौन किसके बगल में खड़ा है, और कौन किसे सुन रहा है। यह "नेटवर्क" है। लंबे समय तक, विशेषज्ञों ने केवल शब्दों को पढ़कर फर्जी खबरों को पहचानने की कोशिश की, जैसे कोई शिक्षक निबंध को ग्रेड देता है। लेकिन हाल ही में, इस चौक के "बुरे तत्वों" ने अच्छे लोगों की तरह दिखने में महारत हासिल कर ली है। वे शानदार शब्दों का उपयोग करते हैं और बिल्कुल असली पत्रकारों की तरह दिखते हैं, और सुपर-स्मार्ट AI के उदय के साथ, वे एकदम सटीक फर्जी कहानियाँ भी लिख सकते हैं जिन्हें पकड़ना मुश्किल है। इसलिए, वैज्ञानिक एक नया सवाल पूछ रहे हैं: केवल भाषण को पढ़ने के बजाय, क्या हम यह पता लगा सकते हैं कि कौन भरोसेमंद है, उनके दोस्तों को देखकर? यदि कोई व्यक्ति हमेशा जाने-माने झूठ बोलने वालों के समूह के साथ रहता है, तो शायद हमें उन पर भी संदेह करना चाहिए, भले ही उनका वर्तमान भाषण एकदम सही क्यों न लग रहा हो। यही नेटवर्क विज्ञान का मूल है: यह विचार कि आपके संबंध आपको बहुत कुछ बताते हैं कि आप कौन हैं।
यह शोध पत्र एक जासूसी कहानी की तरह है जो उस शहर के चौक के एक विशिष्ट, बहुत भीड़भाड़ वाले कोने में सेट है जिसे टेलीग्राम (Telegram) कहा जाता है। शोधकर्ताओं ने, जो जर्मनी, ऑस्ट्रिया और इटली के विश्वविद्यालयों की एक टीम है, यह देखना चाहा कि क्या वे समाचार वेबसाइटों के "दोस्ती मानचित्र" का उपयोग अविश्वसनीय स्रोतों को पहचानने के लिए कर सकते हैं। उन्होंने केवल लेखों को नहीं देखा; उन्होंने यह देखा कि लोग उन्हें कैसे साझा करते हैं। उन्होंने एक विशाल मानचित्र बनाया जहाँ प्रत्येक समाचार वेबसाइट एक बिंदु (dot) है, और दो बिंदुओं को एक रेखा जोड़ती है यदि लोग अक्सर एक ही चैट समूहों में दोनों वेबसाइटों के लिंक साझा करते हैं।
यहाँ उन्हें जो बड़ा आश्चर्य मिला: वे बिंदु बेतरतीब ढंग से मिश्रित नहीं हैं। "अविश्वसनीय" वेबसाइटें (वे जो फर्जी या निम्न-गुणवत्ता वाली खबरें फैलाती हैं) अन्य अविश्वसनीय वेबसाइटों के साथ ही रहती हैं। "विश्वसनीय" वेबसाइटें (गंभीर समाचार स्रोत) अपने स्वयं के क्लस्टर (समूह) में साथ रहती हैं। यह एक हाई स्कूल कैफेटेरिया की तरह है जहाँ साइंस क्लब एक मेज पर बैठता है और शरारती तत्व दूसरी मेज पर; वे आमतौर पर आपस में नहीं मिलते। शोधकर्ताओं ने इसे "असॉर्टेटिव मिक्सिंग" (assortative mixing) कहा, लेकिन आप इसे बस "एक ही तरह के लोग एक साथ रहते हैं" के रूप में समझ सकते हैं।
इस मानचित्र की मदद करने के लिए कि क्या यह काम कर सकता है, उन्होंने एक विशेष प्रकार के कंप्यूटर मस्तिष्क का उपयोग किया जिसे ग्राफ न्यूरल नेटवर्क (GNN) कहा जाता है। एक GNN को एक ऐसे जासूस के रूप में सोचें जो न केवल संदिग्ध के बहाने (लेख का पाठ) को पढ़ता है बल्कि उसके सामाजिक दायरे (नेटवर्क) की भी जाँच करता है। उन्होंने इस जासूस की तुलना एक सरल जासूस (एक मानक कंप्यूटर मॉडल) से की जो केवल बहाने को पढ़ता था और दोस्तों को अनदेखा कर देता था। परिणाम स्पष्ट थे: नेटवर्क को देखने वाला जासूस फर्जी खबरों को पकड़ने में बहुत बेहतर था।
यहाँ तक कि अधिक दिलचस्प बात यह है कि नेटवर्क जासूस तब भी प्रभावी रहा जब वे लेखों को बिल्कुल भी नहीं पढ़ पा रहे थे। कभी-कभी, आप टेक्स्ट (पाठ) नहीं देख सकते (शायद वह ऐसी भाषा में है जिसे आप नहीं जानते, या सामग्री छिपी हुई है), लेकिन आप अभी भी देख सकते हैं कि कौन इसे किसके साथ साझा कर रहा है। इन मामलों में, नेटवर्क-आधारित मॉडल ने टेक्स्ट-ओनली मॉडल से बेहतर प्रदर्शन किया। जब उनके पास टेक्स्ट और नेटवर्क मैप दोनों थे, तो सबसे अच्छे मॉडल (जिसे GraphSAGE कहा जाता है) ने 63% बार सही उत्तर दिया, जो कि नेटवर्क को अनदेखा करने वाले मॉडल की 55% सटीकता से एक बड़ी छलांग थी। बिना टेक्स्ट के भी, केवल साझाकरण पैटर्न का उपयोग करके, नेटवर्क मॉडल ने टेक्स्ट-ओनली मॉडल से बेहतर प्रदर्शन किया।
लेखक सावधानीपूर्वक कहते हैं कि यह फर्जी खबरों को हमेशा के लिए हल करने वाला कोई जादुई समाधान नहीं है। वे स्वीकार करते हैं कि उनका मानचित्र टेलीग्राम के लिए विशिष्ट है और हर "बुरे" वेबसाइट का हर लेख फर्जी नहीं होता है, ठीक वैसे ही जैसे शरारती मेज पर बैठा हर व्यक्ति शरारती नहीं होता। हालाँकि, वे दृढ़ता से दिखाते हैं कि नेटवर्क संरचना को देखना गलत सूचना के खिलाफ लड़ाई में एक शक्तिशाली नया उपकरण जोड़ता है। यह सुझाव देता है कि भले ही शब्द एकदम सही हों, लेकिन जिस कंपनी में एक समाचार स्रोत रहता है, वह हमें एक मजबूत संकेत दे सकती है कि हमें उन पर भरोसा करना चाहिए या नहीं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।