論文の概要: Network Inference from a Mixture of Diffusion Models for Fake News Mitigation

• arxiv url: http://arxiv.org/abs/2008.03450v1
• Date: Sat, 8 Aug 2020 05:59:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 12:13:11.397052
• Title: Network Inference from a Mixture of Diffusion Models for Fake News Mitigation
• Title（参考訳）: 偽ニュース緩和のための拡散モデルの混合によるネットワーク推論
• Authors: Karishma Sharma, Xinran He, Sungyong Seo, Yan Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.229596498611837
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The dissemination of fake news intended to deceive people, influence public opinion and manipulate social outcomes, has become a pressing problem on social media. Moreover, information sharing on social media facilitates diffusion of viral information cascades. In this work, we focus on understanding and leveraging diffusion dynamics of false and legitimate contents in order to facilitate network interventions for fake news mitigation. We analyze real-world Twitter datasets comprising fake and true news cascades, to understand differences in diffusion dynamics and user behaviours with regards to fake and true contents. Based on the analysis, we model the diffusion as a mixture of Independent Cascade models (MIC) with parameters $\theta_T, \theta_F$ over the social network graph; and derive unsupervised inference techniques for parameter estimation of the diffusion mixture model from observed, unlabeled cascades. Users influential in the propagation of true and fake contents are identified using the inferred diffusion dynamics. Characteristics of the identified influential users reveal positive correlation between influential users identified for fake news and their relative appearance in fake news cascades. Identified influential users tend to be related to topics of more viral information cascades than less viral ones; and identified fake news influential users have relatively fewer counts of direct followers, compared to the true news influential users. Intervention analysis on nodes and edges demonstrates capacity of the inferred diffusion dynamics in supporting network interventions for mitigation.
• Abstract（参考訳）: 人を騙し、世論に影響を与え、社会的成果を操ることを意図した偽ニュースの拡散は、ソーシャルメディアに迫る問題となっている。 また、ソーシャルメディア上での情報共有は、ウイルス情報カスケードの拡散を促進する。 本研究では,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動態の理解と活用に焦点をあてる。 偽ニュースと真ニュースのカスケードからなる実世界のtwitterデータセットを解析し,偽ニュースと真ニュースの拡散ダイナミクスとユーザの振る舞いの違いを理解する。 この分析に基づいて,拡散モデルを,ソーシャルネットワークグラフ上のパラメータ $\theta_T, \theta_F$ と組み合わせた独立カスケードモデル(MIC)の混合としてモデル化し,未ラベルカスケードから拡散混合モデルのパラメータ推定のための教師なし推論手法を導出する。 推定拡散ダイナミクスを用いて、真偽コンテンツの伝播に影響を及ぼすユーザを特定する。 特定された影響力のあるユーザの特徴は、偽ニュースに特定された影響力のあるユーザと偽ニュースカスケードにおけるその相対的な外観との正の相関を示す。 特定された影響力のあるユーザーは、よりバイラルな情報カスケードの話題に関連しがちであり、偽ニュースの影響力のあるユーザーは、真のニュースの影響力のあるユーザーに比べて、直接フォロワー数が少ない。 ノードとエッジの干渉解析は、緩和のためのネットワーク介入を支援するために、推論拡散ダイナミクスの能力を示す。

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)
• 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)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• Mining User-aware Multi-Relations for Fake News Detection in Large Scale Online Social Networks [25.369320307526362]
  信頼できるユーザーは信頼できるニュースを共有する傾向があり、信頼できないユーザーは信頼できないニュースを広める確率が高い。 本研究では,ソーシャル・ネットワークにおけるニュースとユーザの複数の関係を抽出し,偽ニュースを検出するためのリッチな情報を得るための2層グラフを構築した。 本稿では,ニュース層におけるニュースの伝搬特徴とユーザ層におけるユーザのインタラクション特徴を学習する,Us-DeFakeという偽ニュース検出モデルを提案する。
  論文  参考訳（メタデータ） (2022-12-21T05:30:35Z)
• The Impact of Disinformation on a Controversial Debate on Social Media [1.299941371793082]
  われわれは、移民に関するイタリアの議論において、Twitter上での偽情報の存在がいかに広まっているかを研究する。 TwitterユーザーをtextitUntrustworthinessスコアで特徴付けることで、このような悪い情報消費習慣がユーザー間で均等に分散されていないことが分かる。
  論文  参考訳（メタデータ） (2021-06-30T10:29:07Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)
• An Information Diffusion Approach to Rumor Propagation and Identification on Twitter [0.0]
  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。
  論文  参考訳（メタデータ） (2020-02-24T20:04:54Z)

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。