論文の概要: DisTrack: a new Tool for Semi-automatic Misinformation Tracking in Online Social Networks
- arxiv url: http://arxiv.org/abs/2408.00633v1
- Date: Thu, 1 Aug 2024 15:17:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-04 20:16:43.406031
- Title: DisTrack: a new Tool for Semi-automatic Misinformation Tracking in Online Social Networks
- Title（参考訳）: DisTrack:オンラインソーシャルネットワークにおける半自動誤情報追跡ツール
- Authors: Guillermo Villar-Rodríguez, Álvaro Huertas-García, Alejandro Martín, Javier Huertas-Tato, David Camacho,
- Abstract要約: DisTrackは、自然言語処理(NLP)ソーシャル・ネットワーク・アナリティクス(SNA)とグラフ視覚化を組み合わせることで、誤情報の拡散に対抗するように設計されている。
このツールは、デジタル環境に散在する誤報のダイナミックな性質を捉え、分析するために調整されている。
- 参考スコア（独自算出の注目度）: 46.38614083502535
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Introduction: This article introduces DisTrack, a methodology and a tool developed for tracking and analyzing misinformation within Online Social Networks (OSNs). DisTrack is designed to combat the spread of misinformation through a combination of Natural Language Processing (NLP) Social Network Analysis (SNA) and graph visualization. The primary goal is to detect misinformation, track its propagation, identify its sources, and assess the influence of various actors within the network. Methods: DisTrack's architecture incorporates a variety of methodologies including keyword search, semantic similarity assessments, and graph generation techniques. These methods collectively facilitate the monitoring of misinformation, the categorization of content based on alignment with known false claims, and the visualization of dissemination cascades through detailed graphs. The tool is tailored to capture and analyze the dynamic nature of misinformation spread in digital environments. Results: The effectiveness of DisTrack is demonstrated through three case studies focused on different themes: discredit/hate speech, anti-vaccine misinformation, and false narratives about the Russia-Ukraine conflict. These studies show DisTrack's capabilities in distinguishing posts that propagate falsehoods from those that counteract them, and tracing the evolution of misinformation from its inception. Conclusions: The research confirms that DisTrack is a valuable tool in the field of misinformation analysis. It effectively distinguishes between different types of misinformation and traces their development over time. By providing a comprehensive approach to understanding and combating misinformation in digital spaces, DisTrack proves to be an essential asset for researchers and practitioners working to mitigate the impact of false information in online social environments.
- Abstract（参考訳）: 紹介:本記事では,オンラインソーシャルネットワーク(OSN)内の誤情報を追跡し解析するための方法論とツールであるDisTrackを紹介する。
DisTrackは、自然言語処理(NLP)ソーシャル・ネットワーク・アナリティクス(SNA)とグラフ視覚化を組み合わせることで、誤情報の拡散に対抗するように設計されている。
主な目的は、誤情報を検出し、伝播を追跡し、発信元を特定し、ネットワーク内の様々なアクターの影響を評価することである。
メソッド: DisTrackのアーキテクチャには、キーワード検索、意味的類似性評価、グラフ生成技術など、さまざまな方法論が組み込まれている。
これらの手法は、誤報の監視、既知の虚偽のクレームとの整合性に基づくコンテンツの分類、詳細なグラフによる拡散カスケードの可視化を総合的に促進する。
このツールは、デジタル環境に散在する誤報のダイナミックな性質を捉え、分析するために調整されている。
結果: DisTrackの有効性は,ロシアとウクライナの紛争に関する不信/憎悪スピーチ,反ワクチンの誤報,虚偽の物語という,異なるテーマに焦点を当てた3つのケーススタディを通じて実証された。
これらの研究は、偽造と偽造とを区別するDisTrackの能力を示し、偽情報の進化をその発端から追跡している。
結論:この研究は、偽情報分析の分野でDisTrackが貴重なツールであることを確認した。
異なる種類の誤報を効果的に区別し、時間とともにその発達を辿る。
DisTrackは、デジタル空間における誤情報を理解し、戦うための包括的なアプローチを提供することによって、オンライン社会環境における偽情報の影響を軽減するために働く研究者や実践者にとって、不可欠な資産であることを証明している。
関連論文リスト
- Recent Advances in Malware Detection: Graph Learning and Explainability [2.5824213547618067]
この調査は、グラフ学習と説明可能性の間の相互作用に焦点を当てている。
これらのコンポーネントを統合することで、グラフ学習と説明可能性が堅牢で解釈可能でスケーラブルなマルウェア検出システムの構築にどのように貢献するかを示す。
論文 参考訳（メタデータ） (2025-02-14T21:10:03Z) - The Veracity Problem: Detecting False Information and its Propagation on Online Social Media Networks [0.0]
本研究の目的は,偽情報とその伝播を効果的に検出する手法を開発することである。
まず,偽情報の複数の側面を活用するフレームワークを提案する。
次に,ナラティブを操作するための協調作業において,アクターとその意図を識別する手法を提案する。
論文 参考訳（メタデータ） (2024-09-06T00:13:05Z) - ANALYTiC: Understanding Decision Boundaries and Dimensionality Reduction
in Machine Learning [0.0]
ANALYTiCは、ラベル付きデータの集合から学習することで、アクティブな学習を使用して、軌跡からのセマンティックアノテーションを推論する。
この研究は、運動データ分析の文脈における機械学習と視覚的手法のより広範な統合に向けた足掛かりとなる。
論文 参考訳（メタデータ） (2023-12-29T16:49:30Z) - GraphCloak: Safeguarding Task-specific Knowledge within Graph-structured Data from Unauthorized Exploitation [61.80017550099027]
グラフニューラルネットワーク(GNN)は、さまざまな分野でますます普及している。
個人データの不正利用に関する懸念が高まっている。
近年の研究では、このような誤用から画像データを保護する効果的な方法として、知覚不能な毒殺攻撃が報告されている。
本稿では,グラフデータの不正使用に対する保護のためにGraphCloakを導入する。
論文 参考訳（メタデータ） (2023-10-11T00:50:55Z) - 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) - Track to Detect and Segment: An Online Multi-Object Tracker [81.15608245513208]
TraDeSは、エンドツーエンドの検出を支援するために追跡の手がかりを利用するオンライン共同検出および追跡モデルです。
TraDeSは、以前のオブジェクトの機能を伝播するために使用されるコストボリュームでオブジェクト追跡オフセットを推測します。
論文 参考訳（メタデータ） (2021-03-16T02:34:06Z) - Understanding Health Misinformation Transmission: An Interpretable Deep
Learning Approach to Manage Infodemics [6.08461198240039]
本研究では,新しい解釈可能な深層学習手法であるGenerative Adversarial NetworkベースのPiecewise Wide and Attention Deep Learning (GAN-PiWAD)を提案する。
社会交換理論に則った特徴を選択し、4,445本の誤報動画でGAN-PiWADを評価します。
本研究は,ソーシャルメディアプラットフォームや政策立案者に対して,誤情報を識別し,伝達を制御し,インフォデミクスを管理するための積極的な介入をデザインする直接的意義を与える。
論文 参考訳（メタデータ） (2020-12-21T15:49:19Z) - Information Obfuscation of Graph Neural Networks [96.8421624921384]
本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。
本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-28T17:55:04Z) - Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。
敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。
ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2020-09-16T14:13:15Z)
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。