가짜 뉴스 탐지를 위한 정보 이론적 전파 노이즈 제거 및 융합 프레임워크

요약

본 논문은 불완전하거나 합성된 전파 데이터가 야기하는 문제를 해결하기 위해 'InfoPDF'라는 정보 이론적 프레임워크를 제안합니다. InfoPDF는 상호 정보(mutual information) 관점을 활용하여 합성 전파의 신뢰성을 완화하고, 실제 및 합성 전파로부터 효과적인 표현을 학습하도록 설계되었습니다. 이 프레임워크는 속성별로 합성된 전파 데이터를 확률적 잠재 분포로 모델링하고, 상호 정보 기반 목적 함수를 통해 노이즈를 억제하며 데이터의 일관성을 유지하여 가짜 뉴스 탐지 성능을 향상시킵니다.

핵심 포인트

• 전통적인 합성 전파 데이터는 신뢰성 문제와 편향된 표현 생성 위험을 내포하고 있어 직접 사용에 한계가 있습니다.
• 제안된 InfoPDF 프레임워크는 상호 정보(mutual information)를 활용하여 합성 전파의 신뢰성을 정교하게 관리합니다.
• 이 방법론은 속성별로 합성된 전파 데이터를 확률적 잠재 분포로 모델링하고, 적응형 융합을 통해 실제 데이터와 결합합니다.
• 상호 정보 기반 목적 함수를 설계하여 노이즈 신호를 효과적으로 억제하고, 임무 충분한(task-sufficient) 표현 학습을 보장합니다.