# Task Description

## [Background]
코로나바이러스 감염증(이하 COVID-19)이 세계적으로 유행하면서, COVID-19에 대한 근거없는 루머나 음모 등의 가짜뉴스가 소셜미디어를 통해 빠르게 확산되었습니다 (Zarocostas, 2020). 질병에 대한 잘못된 정보는 사람들이 제대로 된 건강 수칙이나 정부 정책들을 알기 어렵게 하여 종국에는 신체적, 정신적 피해를 야기시킬 수 있습니다 (Tasnim et al., 2020). 이러한 피해를 막기 위하여 가짜뉴스를 사전에 탐지하는 것은 중요합니다.
- Zarocostas, J. (2020). How to fight an infodemic. The lancet, 395(10225), 676.
- Tasnim, S., Hossain, M. M., & Mazumder, H. (2020). Impact of rumors and misinformation on COVID-19 in social media. Journal of preventive medicine and public health, 53(3), 171-174.

## [Our goal]
- COVID-19 관련 가짜뉴스 탐지를 위해 Graph Neural Network 기법을 사용하여 Node Classification

## [Dataset]
- COVID 관련 데이터셋
    - FakeCovid (Shahi and Nandini, 2020)
    - CoAID (Cui and Lee, 2020)
- Non-COVID 관련 데이터셋
    - fact-checking 웹사이트 : Politifact, Snopes

## [Experiment setting]
- Train COVID dataset : 2020년 4월 1일 이전에 발생한 COVID-19 관련 뉴스 보도
- Test COVID dataset : 2020년 4월 1일 이후에 발생한 COVID-19 관련 뉴스 보도



--- 


# Submission Rules

## [Submission]
- 1일 최대 Public 등록 5회, Private 등록 5회까지 가능합니다.
- Private 등록은 Public 등록 결과물에서 선택할 수 있으며, 선택하지 않을 경우 default로 Public 점수 중 가장 높은 결과물로 제출됩니다.

## [Score]
- 순위 경쟁을 통해 점수를 차등 부여(상대평가)합니다.
- 여러번 submission을 할 수 있기 때문에 테스트데이터셋에 대한 Overfitting이 생길 수 있습니다. 이를 막기 위해 테스트 데이터셋을 70:30으로 나눠, 70%로는 Public Rank를 구하고, 나머지 30%로는 Private Rank를 측정합니다. 스코어보드에서 확인 가능한 점수는 Public Rank이며, Private Rank는 Competition이 종료된 후 확인 가능합니다.
- 실제 성적에 반영되는 순위는 Public Rank + Private Rank 로 계산됩니다.

## [Report]
- Graph 구축 방식엔 정답이 없으며, 성능 향상을 위해 수업 중에 배우지 않은 방법을 활용해도 좋습니다.
- 단, 보고서를 통해 어떻게 Graph를 구축했으며, 어떤 기술을 사용했는지, 왜 사용했는지 설명할 수 있어야 합니다.
- 순위가 낮더라도 보고서의 설명이 납득 가능하다면 높은 점수를 받을 수 있고, 반대로 순위가 높아도 충분한 설명이 없다면 낮은 점수를 받을 수 있습니다.
- 제출한 결과를 입증하기 위해 사용한 코드 제출을 요청할 수도 있습니다.

## [Cheating Policy]
- 다른 학우의 아이디어를 활용할 경우, 보여준 사람과 본 사람 모두 F처리 됩니다.