論文の概要: Automatic Detection of Influential Actors in Disinformation Networks

• arxiv url: http://arxiv.org/abs/2005.10879v3
• Date: Thu, 7 Jan 2021 22:15:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 23:14:08.098080
• Title: Automatic Detection of Influential Actors in Disinformation Networks
• Title（参考訳）: 情報化ネットワークにおけるインフルエンシャルアクターの自動検出
• Authors: Steven T. Smith, Edward K. Kao, Erika D. Mackin, Danelle C. Shah, Olga Simek, Donald B. Rubin
• Abstract要約: 本稿では,偽情報物語やネットワーク,影響力あるアクターの検出を自動化するためのエンドツーエンドフレームワークを提案する。 システムは精度96%、リコール79%、PR曲線96%のIOアカウントを検出する。 結果は、米国議会の報告書、調査ジャーナリズム、Twitterが提供するIOデータセットからの、既知のIOアカウントの独立したソースと相関している。
• 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: The weaponization of digital communications and social media to conduct disinformation campaigns at immense scale, speed, and reach presents new challenges to identify and counter hostile influence operations (IOs). This paper presents an end-to-end framework to automate detection of disinformation narratives, networks, and influential actors. The framework integrates natural language processing, machine learning, graph analytics, and a novel network causal inference approach to quantify the impact of individual actors in spreading IO narratives. We demonstrate its capability on real-world hostile IO campaigns with Twitter datasets collected during the 2017 French presidential elections, and known IO accounts disclosed by Twitter over a broad range of IO campaigns (May 2007 to February 2020), over 50,000 accounts, 17 countries, and different account types including both trolls and bots. Our system detects IO accounts with 96% precision, 79% recall, and 96% area-under-the-PR-curve, maps out salient network communities, and discovers high-impact accounts that escape the lens of traditional impact statistics based on activity counts and network centrality. Results are corroborated with independent sources of known IO accounts from U.S. Congressional reports, investigative journalism, and IO datasets provided by Twitter.
• Abstract（参考訳）: デジタルコミュニケーションとソーシャルメディアの武器化により、大規模な、スピード、到達で偽情報キャンペーンが実施され、敵の影響力運用(IO)を識別し、対抗するための新たな課題が提示される。 本稿では,偽情報物語やネットワーク,影響力あるアクターの検出を自動化するエンドツーエンドフレームワークを提案する。 このフレームワークは自然言語処理、機械学習、グラフ分析、および新しいネットワーク因果推論アプローチを統合し、IO物語の拡散における個々のアクターの影響を定量化する。 我々は、2017年のフランス大統領選挙中に収集されたtwitterのデータセットと、twitterが2007年5月から2020年2月までの幅広いioキャンペーン(英語版)、50,000以上のアカウント、17か国、17か国、およびトロルとボットを含む異なるアカウントタイプに関して開示した、現実世界の敵対的なioキャンペーンでその能力を示す。 本システムでは,96%の精度,79%のリコール,96%のエリアアンダー・ザ・PRカーブでIOアカウントを検出し,アクティブカウントとネットワーク中心性に基づく従来のインパクト統計のレンズから逃れる高インパクトアカウントを検出する。 結果は、米国議会の報告書、調査ジャーナリズム、Twitterが提供するIOデータセットからの、既知のIOアカウントの独立したソースと相関している。

関連論文リスト

• Uncovering Coordinated Cross-Platform Information Operations Threatening the Integrity of the 2024 U.S. Presidential Election Online Discussion [8.557128766155229]
  情報操作は民主的プロセスの完全性に重大な脅威をもたらす。 2024年のアメリカ合衆国大統領選挙を期待して、調整されたIOのデジタルトレースを$mathbbX$(元Twitter)で発見することを目的とした研究を発表した。 オンラインコーディネーションを検出するための機械学習フレームワークを用いて,2024年5月からの選挙関連会話を含むデータセットをmathbbX$で分析した。
  論文  参考訳（メタデータ） (2024-09-23T17:36:14Z)
• Mapping the Russian Internet Troll Network on Twitter using a Predictive Model [0.0]
  ロシアのインターネットトロルは偽のペルソナを使って、複数のソーシャルメディアストリームを通じて偽情報を拡散している。 ネットワーク操作をマップする予測モデルを作成します。 我々のモデルは、テストセットの88%の精度で予測できる。
  論文  参考訳（メタデータ） (2024-09-11T19:09:21Z)
• Unraveling the Web of Disinformation: Exploring the Larger Context of State-Sponsored Influence Campaigns on Twitter [16.64763746842362]
  我々は、様々な国を起源とする19の国が支援する偽情報キャンペーンをTwitterで調査した。 私たちは機械学習ベースの分類器を構築し、目に見えないキャンペーンから最大94%のアカウントを正しく識別できる。 また、当社のシステムを野放しにして、州が支援するオペレーションに属する可能性のあるアカウントを増やしています。
  論文  参考訳（メタデータ） (2024-07-25T15:03:33Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• Detecting Propagators of Disinformation on Twitter Using Quantitative Discursive Analysis [0.0]
  本研究では,共振中心分析とクローゼット・ニューマン・ムーアコミュニティ検出を用いて,Twitter上でロシア語の偽情報を識別する手法を提案する。 このデータは、2016年アメリカ合衆国大統領選挙の期間に、既知のロシアの偽情報ボットとTwitterユーザーのコントロールセットの間に、相当な分散的な相違を反映している。
  論文  参考訳（メタデータ） (2022-10-11T20:11:50Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Shifting Polarization and Twitter News Influencers between two U.S. Presidential Elections [92.33485580547801]
  我々は2016年米大統領選挙と2020年米大統領選挙の間の分極の変化を分析した。 トップインフルエンサーのほとんどが、両選挙の間にメディア組織に所属していた。 2020年のトップインフルエンサーの75%は2016年は存在しなかった。
  論文  参考訳（メタデータ） (2021-11-03T20:08:54Z)
• FacTeR-Check: Semi-automated fact-checking through Semantic Similarity and Natural Language Inference [61.068947982746224]
  FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。 このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。 この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
  論文  参考訳（メタデータ） (2021-10-27T15:44:54Z)
• SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter Users [4.609388510200741]
  現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。 本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。 政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
  論文  参考訳（メタデータ） (2021-07-16T17:39:32Z)

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。