論文の概要: An Information Diffusion Approach to Rumor Propagation and Identification on Twitter

• arxiv url: http://arxiv.org/abs/2002.11104v1
• Date: Mon, 24 Feb 2020 20:04:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 03:36:38.703450
• Title: An Information Diffusion Approach to Rumor Propagation and Identification on Twitter
• Title（参考訳）: twitter上のうわさの伝播と同定に対する情報拡散アプローチ
• Authors: Abiola Osho, Caden Waters, George Amariucai
• Abstract要約: われわれは,Twitter上での顕微鏡レベルの誤情報拡散のダイナミクスについて検討した。 われわれの調査によると、噂のカスケードはより深く流れ、その噂はニュースとして隠され、恐怖を喚起するメッセージは他のメッセージよりも急速に拡散する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing use of online social networks as a source of news and information, the propensity for a rumor to disseminate widely and quickly poses a great concern, especially in disaster situations where users do not have enough time to fact-check posts before making the informed decision to react to a post that appears to be credible. In this study, we explore the propagation pattern of rumors on Twitter by exploring the dynamics of microscopic-level misinformation spread, based on the latent message and user interaction attributes. We perform supervised learning for feature selection and prediction. Experimental results with real-world data sets give the models' prediction accuracy at about 90\% for the diffusion of both True and False topics. Our findings confirm that rumor cascades run deeper and that rumor masked as news, and messages that incite fear, will diffuse faster than other messages. We show that the models for True and False message propagation differ significantly, both in the prediction parameters and in the message features that govern the diffusion. Finally, we show that the diffusion pattern is an important metric in identifying the credibility of a tweet.
• Abstract（参考訳）: ニュースや情報の発信源としてのオンラインソーシャルネットワークの利用の増加に伴い、噂が広範に広まり、急速に広まる傾向にあること、特に、信頼できると思われた投稿に反応する決定を下す前に、投稿を事実チェックする時間が不足している災害状況において、大きな懸念が生じる。 本研究では,潜伏メッセージとユーザインタラクション属性に基づいて,顕微鏡レベルの誤情報拡散のダイナミクスを探索し,Twitter上での噂の伝播パターンを探索する。 特徴選択と予測のために教師付き学習を行う。 実世界のデータセットを用いた実験結果は、真と偽のトピックの拡散に対して、モデルの予測精度を約90\%で与える。 われわれの調査によると、噂のカスケードはより深く流れ、その噂はニュースとして隠され、恐怖を喚起するメッセージは他のメッセージよりも急速に拡散する。 予測パラメータと拡散を支配するメッセージ特徴の両方において、真および偽のメッセージ伝達のモデルが著しく異なることを示す。 最後に,拡散パターンはツイートの信頼性を特定する上で重要な指標であることを示す。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• Rumor Detection with a novel graph neural network approach [12.42658463552019]
  ソーシャルメディア上での噂を検出するために,ユーザ相関と情報伝達の表現を共同で学習する新しい検出モデルを提案する。 具体的には、グラフニューラルネットワークを利用して、二部グラフからユーザ相関の表現を学習する。 本研究では,ユーザ相関パターンを逆転させるには高いコストが必要であることを示すとともに,ユーザ相関をうわさ検出のために考慮することの重要性を示す。
  論文  参考訳（メタデータ） (2024-03-24T15:59:47Z)
• Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
  Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。 偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
  論文  参考訳（メタデータ） (2022-11-25T18:24:17Z)
• Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
  異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。 我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。 3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
  論文  参考訳（メタデータ） (2022-04-19T12:10:03Z)
• Defending Democracy: Using Deep Learning to Identify and Prevent Misinformation [0.0]
  本研究では、公開Twitterデータを用いて、ソーシャルメディア上での誤情報拡散の分類と可視化を行う。 この研究は、偽情報検出のためのスケーラブルなモデルを提供するためのBERTの適合性をさらに示す。
  論文  参考訳（メタデータ） (2021-06-03T16:34:54Z)
• Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
  読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。 23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。 大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2021-04-18T09:50:11Z)
• Network Inference from a Mixture of Diffusion Models for Fake News Mitigation [12.229596498611837]
  人を騙し、世論に影響を与え、社会的成果を操ることを目的とした偽ニュースの普及は、ソーシャルメディアに迫る問題となっている。 本稿では,フェイクニュース緩和のためのネットワーク介入を容易にするために,偽コンテンツの拡散ダイナミクスの理解と活用に焦点をあてる。
  論文  参考訳（メタデータ） (2020-08-08T05:59:25Z)
• Modeling the spread of fake news on Twitter [2.7910505923792637]
  本稿では,Twitter上での偽ニュース拡散のポイントプロセスモデルを提案する。 提案手法は,偽ニュース項目の拡散の進化を正確に予測する上で,現在の最先端手法よりも優れていることを示す。 提案モデルは,ソーシャルメディア上での偽ニュース拡散のダイナミクスの理解に寄与する。
  論文  参考訳（メタデータ） (2020-07-28T08:28:16Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)
• A Kernel of Truth: Determining Rumor Veracity on Twitter by Diffusion Pattern Alone [28.91437072569273]
  誤情報検出分野における最近の研究は、ソーシャルメディア上のコンテンツに関連するテキストやユーザアイデンティティのリッチな信号を活用している。 我々は,情報伝達パターンという,自然に堅牢な代替モダリティについて検討する。 グラフカーネルを用いて、Twitterのカスケード構造から複雑なトポロジ情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-28T19:56:03Z)
• Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks [89.13567439679709]
  本稿では,二方向グラフ畳み込みネットワーク (Bi-Directional Graph Convolutional Networks, Bi-GCN) と呼ばれる新しい双方向グラフモデルを提案する。 これは、噂拡散のパターンを学習するために、噂拡散のトップダウン指向グラフを持つGCNと、噂拡散の反対指向グラフを持つGCNを活用して、噂拡散の構造を捉える。
  論文  参考訳（メタデータ） (2020-01-17T15:12:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。