본 논문은 소셜 네트워크에서 루머의 발원지를 식별하는 그래프 기반 소스 탐지 문제를 다룹니다. 기존 머신러닝 기반 방법들이 루머 전파의 고유한 역동성을 포착하는 데 어려움을 겪는다는 점을 지적하며, 이를 해결하기 위해 새로운 방법인 SourceDetMamba를 제안합니다. SourceDetMamba는 우수한 전역 모델링 능력과 계산 효율성으로 알려진 상태 공간 모델 Mamba를 기반으로 하며, 고차 상호 작용을 모델링하기 위해 하이퍼그래프를 사용합니다. 시간에 따른 네트워크 스냅샷을 역순으로 Mamba에 입력하여 전파 역학을 추론하고, 노드의 상태를 시간적 의존성과 위상적 맥락 모두를 고려하여 전파하고 개선하는 새로운 그래프 인식 상태 업데이트 메커니즘을 제안합니다. 8개의 데이터셋에 대한 광범위한 평가 결과, SourceDetMamba는 최첨단 방법들을 꾸준히 능가하는 성능을 보였습니다.
