論文の概要: Detecting Human Rights Violations on Social Media during Russia-Ukraine War

• arxiv url: http://arxiv.org/abs/2306.05370v1
• Date: Tue, 6 Jun 2023 12:59:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 13:06:09.392498
• Title: Detecting Human Rights Violations on Social Media during Russia-Ukraine War
• Title（参考訳）: ロシア・ウクライナ戦争における人権侵害のソーシャルメディア調査
• Authors: Poli Nemkova, Solomon Ubani, Suleyman Olcay Polat, Nayeon Kim, Rodney D. Nielsen
• Abstract要約: 現代のロシアとウクライナの軍事紛争は、透明性のある情報共有を可能にするソーシャルメディアの重要な役割を露呈している。 ソーシャルメディアプラットフォームは、人権侵害(HRV)を監視・記録するための効果的な手段として機能する可能性がある 本研究は、ソ連後における独立系ニュースを読むための主要なソーシャルメディアプラットフォームであるTelegramのデータ分析に焦点を当てた。
• 参考スコア（独自算出の注目度）: 1.2599533416395763
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The present-day Russia-Ukraine military conflict has exposed the pivotal role of social media in enabling the transparent and unbridled sharing of information directly from the frontlines. In conflict zones where freedom of expression is constrained and information warfare is pervasive, social media has emerged as an indispensable lifeline. Anonymous social media platforms, as publicly available sources for disseminating war-related information, have the potential to serve as effective instruments for monitoring and documenting Human Rights Violations (HRV). Our research focuses on the analysis of data from Telegram, the leading social media platform for reading independent news in post-Soviet regions. We gathered a dataset of posts sampled from 95 public Telegram channels that cover politics and war news, which we have utilized to identify potential occurrences of HRV. Employing a mBERT-based text classifier, we have conducted an analysis to detect any mentions of HRV in the Telegram data. Our final approach yielded an $F_2$ score of 0.71 for HRV detection, representing an improvement of 0.38 over the multilingual BERT base model. We release two datasets that contains Telegram posts: (1) large corpus with over 2.3 millions posts and (2) annotated at the sentence-level dataset to indicate HRVs. The Telegram posts are in the context of the Russia-Ukraine war. We posit that our findings hold significant implications for NGOs, governments, and researchers by providing a means to detect and document possible human rights violations.
• Abstract（参考訳）: 現代のロシアとウクライナの軍事紛争は、ソーシャルメディアが最前線から直接情報を共有するための重要な役割を露呈している。 表現の自由が制限され情報戦争が広まる紛争地域では、ソーシャルメディアは不可欠のライフラインとして登場している。 匿名のソーシャルメディアプラットフォームは、戦争関連情報を広めるための公開資料として、人権侵害(HRV)を監視・記録するための効果的な手段として機能する可能性がある。 ポストソヴィエト地域で独立系ニュースを読むための主要なソーシャルメディアプラットフォームであるtelegramのデータ分析に焦点を当てた。 我々は、政治と戦争ニュースをカバーする95の公開Telegramチャンネルからサンプリングされた投稿のデータセットを収集し、HRVの潜在的な発生を識別するために利用した。 我々はmBERTベースのテキスト分類器を用いて,Telegramデータ中のHRVの言及を検出する解析を行った。 最終アプローチでは,多言語BERTベースモデルよりも0.38ドル,HRV検出では0.71ドルであった。 我々はTelegramの投稿を含む2つのデータセットをリリースした。(1)230万以上の投稿を持つ大きなコーパス、(2)HRVを示すために文レベルで注釈付けされたデータセット。 テレグラムの投稿は、ロシア・ウクライナ戦争の文脈にある。 我々は、NGO、政府、研究者に重大な影響があると仮定し、人権侵害の可能性を検知し、文書化する手段を提供する。

関連論文リスト

• CrediRAG: Network-Augmented Credibility-Based Retrieval for Misinformation Detection in Reddit [18.974778179375463]
  本稿では、言語モデルとリッチな外部政治知識ベースへのアクセスを組み合わせた最初の偽ニュース検出モデルであるCrediRAGを紹介する。 CrediRAGはニュースレトリバーを使用して、類似のニュース記事のソース信頼性に基づいて、当初各投稿に誤報スコアを割り当てる。 その結果,F1スコアが11%増加し,最先端手法による誤字検出が可能となった。
  論文  参考訳（メタデータ） (2024-10-15T20:58:42Z)
• PropaInsight: Toward Deeper Understanding of Propaganda in Terms of Techniques, Appeals, and Intent [71.20471076045916]
  プロパガンダは世論の形成と偽情報の拡散に重要な役割を果たしている。 Propainsightはプロパガンダを体系的に、技術、覚醒的魅力、そして根底にある意図に分解する。 Propagazeは、人間の注釈付きデータと高品質な合成データを組み合わせる。
  論文  参考訳（メタデータ） (2024-09-19T06:28:18Z)
• 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)
• A New Task and Dataset on Detecting Attacks on Human Rights Defenders [68.45906430323156]
  我々は,500のオンラインニュース記事にクラウドソーシングされたアノテーションからなる人権擁護者に対する攻撃(HRDsAttack)を検出するための新しいデータセットを提案する。 アノテーションには、攻撃のタイプと場所に関する詳細な情報と、被害者に関する情報が含まれている。 いくつかのサブタスク上でベースラインモデルをトレーニングし,評価し,注釈付き特性を予測することで,データセットの有用性を実証する。
  論文  参考訳（メタデータ） (2023-06-30T14:20:06Z)
• 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)
• 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)
• 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)
• VoynaSlov: A Data Set of Russian Social Media Activity during the 2022 Ukraine-Russia War [36.18151945028956]
  2100万以上のロシア語のソーシャルメディア活動を含むVoynaSlovという新しいデータセットについて述べる。 TwitterとVKontakte(VK)は、サンクトペテルブルクに本拠を置くロシアのソーシャルメディアプラットフォームで、一般に「ロシアのFacebook」と呼ばれている。 我々のデータと現在進行中の戦争に関するデータとを区別する主な違いは、ロシアのメディアと国家協力の考察である。
  論文  参考訳（メタデータ） (2022-05-24T21:59:10Z)
• Twitter Dataset on the Russo-Ukrainian War [68.713984286035]
  Twitter APIから現在進行中のデータセットの取得を開始しています。 データセットは770万人のユーザーを起源とする5730万ツイートに達している。 我々は、最初のボリュームと感情分析を適用し、データセットはトピック分析、ヘイトスピーチ、プロパガンダ認識、ボットネットのような潜在的な悪意のあるエンティティを示すためにさらに探索的な調査に使用することができる。
  論文  参考訳（メタデータ） (2022-04-07T12:33:06Z)
• FinnSentiment -- A Finnish Social Media Corpus for Sentiment Polarity Annotation [1.5039745292757671]
  フィンランドの感情極性アノテーションを備えた大規模なソーシャルメディアデータセットは存在しない。 感情極性と独立にアノテートされた27,000の文データセットを3つのネイティブアノテータによって導入する。 我々は、それらのアノテーション間の合意を分析し、データセットの有用性を検証するための2つのベースラインを提供する。
  論文  参考訳（メタデータ） (2020-12-04T14:17:46Z)
• 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)

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。