論文の概要: Partial Mobilization: Tracking Multilingual Information Flows Amongst Russian Media Outlets and Telegram

• arxiv url: http://arxiv.org/abs/2301.10856v1
• Date: Wed, 25 Jan 2023 22:27:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-27 14:56:53.282691
• Title: Partial Mobilization: Tracking Multilingual Information Flows Amongst Russian Media Outlets and Telegram
• Title（参考訳）: 部分移動:ロシアメディアアウトレットとテレグラム間の多言語情報フローの追跡
• Authors: Hans W. A. Hanley and Zakir Durumeric
• Abstract要約: 我々は、2022年を通して、ロシアのメディア16社が732のTelegramチャンネルとどのように対話し、利用してきたかを調査した。 基本モデルMPNetの多言語バージョンを使用して、記事やTelegramメッセージを共有埋め込み空間に埋め込む。 その内容の2.3% (ura.news) と26.7% (ukraina.ru) は、Telegram上での活動から生まれた/反響している。
• 参考スコア（独自算出の注目度）: 4.357949911556638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In response to disinformation and propaganda from Russian online media following the Russian invasion of Ukraine, Russian outlets including Russia Today and Sputnik News were banned throughout Europe. Many of these Russian outlets, in order to reach their audiences, began to heavily promote their content on messaging services like Telegram. In this work, to understand this phenomenon, we study how 16 Russian media outlets have interacted with and utilized 732 Telegram channels throughout 2022. To do this, we utilize a multilingual version of the foundational model MPNet to embed articles and Telegram messages in a shared embedding space and semantically compare content. Leveraging a parallelized version of DP-Means clustering, we perform paragraph-level topic/narrative extraction and time-series analysis with Hawkes Processes. With this approach, across our websites, we find between 2.3% (ura.news) and 26.7% (ukraina.ru) of their content originated/resulted from activity on Telegram. Finally, tracking the spread of individual narratives, we measure the rate at which these websites and channels disseminate content within the Russian media ecosystem.
• Abstract（参考訳）: ロシアによるウクライナ侵攻後のロシアのオンラインメディアからの偽情報やプロパガンダを受け、ロシア・トゥデイやスプートニク・ニュースなどのロシアのメディアはヨーロッパ全土で禁止された。 これらのロシアのメディアの多くは、聴衆にリーチするために、Telegramのようなメッセージングサービスでコンテンツを強く宣伝し始めた。 本研究では,この現象を理解するために,ロシアメディア16社が2022年を通して732のテレグラムチャンネルとどのように相互作用し,利用してきたかを検討した。 これを実現するために,基礎モデルMPNetの多言語バージョンを用いて,記事やTelegramメッセージを共有埋め込み空間に埋め込んで,コンテンツを意味的に比較する。 DP-Meansクラスタリングの並列化バージョンを利用して,Hawkes Processesを用いた段落レベルのトピック/ナラティブ抽出と時系列解析を行う。 このアプローチにより、我々のウェブサイト全体で、Telegram上での活動から生まれたコンテンツのうち、2.3%(ura.news)から26.7%(ukraina.ru)のコンテンツが発見される。 最後に、個々の物語の拡散を追跡し、これらのウェブサイトとチャンネルがロシアのメディアエコシステム内でコンテンツを広める割合を測定する。

関連論文リスト

• The Adaptive Strategies of Anti-Kremlin Digital Dissent in Telegram during the Russian Invasion of Ukraine [0.6178017970021517]
  本研究では,Telegramにおけるアンチクレムリン含有量の7段階にわたる動態について検討した。 新興トピックに関するデータ駆動の計算分析により、ロシアの経済、戦闘の更新、国際政治、ロシアの内政が明らかになった。 クレムリンコントロールを脅かすこれらの出来事に対する視聴者の承認は、テレグラムが野党のオンラインプレーフィールドをレベル付けしていることを示唆している。
  論文  参考訳（メタデータ） (2024-08-13T18:10:06Z)
• Characterizing and Detecting Propaganda-Spreading Accounts on Telegram [7.759087666892532]
  偽情報キャンペーンやプロパガンダなどのソーシャルメディアに対する情報ベースの攻撃は、サイバーセキュリティの脅威を生じさせている。 本稿では,適切なユーザメッセージとプロパガンダ応答の関係を活かした新しいプロパガンダ検出機構を提案する。 本手法は, より高速で安価で, 検出率(97.6%)が11.6ポイント高い。
  論文  参考訳（メタデータ） (2024-06-12T11:07:27Z)
• TGDataset: a Collection of Over One Hundred Thousand Telegram Channels [69.22187804798162]
  本稿では,120,979のTelegramチャネルと4億以上のメッセージを含む新しいデータセットであるTGDatasetを提案する。 我々は、データセット内で話される言語と、英語チャンネルでカバーされるトピックを分析した。 生のデータセットに加えて、データセットの分析に使用したスクリプトと、Sabmykと呼ばれる新しい陰謀論のネットワークに属するチャネルのリストもリリースしました。
  論文  参考訳（メタデータ） (2023-03-09T15:42:38Z)
• Automated multilingual detection of Pro-Kremlin propaganda in newspapers and Telegram posts [5.886782001771578]
  ロシア連邦とウクライナの大規模な紛争は、前例のない量のニュース記事やソーシャルメディアデータを生み出した。 本研究は、ウクライナ語、ロシア語、ルーマニア語、英語のニュース記事やテレグラムのニュースチャンネルを用いて、戦初月にメディアが世論にどう影響し、どのように反映したかを分析した。 我々はトランスフォーマーと言語特徴に基づく多言語自動プロパガンダ識別の2つの手法を提案し,比較する。
  論文  参考訳（メタデータ） (2023-01-25T14:25:37Z)
• Happenstance: Utilizing Semantic Search to Track Russian State Media Narratives about the Russo-Ukrainian War On Reddit [5.567674129101803]
  我々は、ロシア政府から英語を話す聴衆に唱えられたロシアの国営メディアの物語を調査する。 我々はまず,ロシアのプロパガンダサイト10ヶ所で発行された多言語モデルMPNetを用いて,文レベルの話題分析を行う。 MPNetとセマンティック検索アルゴリズムを用いて、これらのサブレディットのコメントをロシアのウェブサイトから抽出したトピックの集合にマッピングする。
  論文  参考訳（メタデータ） (2022-05-28T16:54:53Z)
• Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and Conspiracy Movements [67.39353554498636]
  我々は35,382の異なるチャンネルと130,000,000以上のメッセージを収集して,Telegramの大規模解析を行う。 カードなどのダークウェブのプライバシー保護サービスにも、悪名高い活動がいくつかある。 疑似チャネルを86%の精度で識別できる機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-26T14:53:31Z)
• Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
  低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。 そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。 実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-13T04:44:02Z)
• Russian trolls speaking Russian: Regional Twitter operations and MH17 [68.8204255655161]
  2018年、Twitterはロシアのトロルとして特定されたアカウントのデータを公開した。 我々はこれらのトロルのロシア語操作を分析する。 MH17の事故に関するトロルズの情報キャンペーンは、ツイート数で最大のものだった。
  論文  参考訳（メタデータ） (2020-05-13T19:48:12Z)
• 365 Dots in 2019: Quantifying Attention of News Sources [69.50862982117125]
  様々な情報源から,オンラインニュース記事の話題の重複を計測する。 ほぼリアルタイムで注目度に応じてニュースストーリーを採点する。 これにより、最も注目を集めているトピックを識別するなど、複数の研究が可能になる。
  論文  参考訳（メタデータ） (2020-03-22T20:32:47Z)
• HoaxItaly: a collection of Italian disinformation and fact-checking stories shared on Twitter in 2019 [72.96986027203377]
  データセットには約37Kのニュース記事のタイトルとボディも含まれている。 https://doi.org/10.79DVN/PGVDHXで公開されている。
  論文  参考訳（メタデータ） (2020-01-29T16:14:47Z)

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。