論文の概要: How Do Social Bots Participate in Misinformation Spread? A Comprehensive Dataset and Analysis
- arxiv url: http://arxiv.org/abs/2408.09613v2
- Date: Thu, 17 Apr 2025 09:37:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-18 14:33:53.770382
- Title: How Do Social Bots Participate in Misinformation Spread? A Comprehensive Dataset and Analysis
- Title（参考訳）: 情報拡散にソーシャルボットはどのように参加するのか : 包括的データセットと分析
- Authors: Herun Wan, Minnan Luo, Zihan Ma, Guang Dai, Xiang Zhao,
- Abstract要約: 本論文は,Sina Weiboプラットフォーム上でのソーシャルボットと誤情報との相互作用を初めて探求するものである。
誤情報の観点からは、このデータセットは11,393個の誤情報と16,416個の実情報を含むマルチモーダルである。
ソーシャルボットの観点から見ると、このデータセットには65,749のソーシャルボットと345,886の真のアカウントが含まれている。
- 参考スコア（独自算出の注目度）: 17.53279395036265
- License:
- Abstract: The social media platform is an ideal medium to spread misinformation, where social bots might accelerate the spread. This paper is the first to explore the interplay between social bots and misinformation on the Sina Weibo platform. We construct a large-scale dataset that contains annotations of misinformation and social bots. From the misinformation perspective, this dataset is multimodal, containing 11,393 pieces of misinformation and 16,416 pieces of real information. From the social bot perspective, this dataset contains 65,749 social bots and 345,886 genuine accounts, where we propose a weak-supervised annotator to annotate automatically. Extensive experiments prove that the dataset is the most comprehensive, misinformation and real information are distinguishable, and social bots have high annotation quality. Further analysis illustrates that: (i) social bots are deeply involved in information spread; (ii) misinformation with the same topics has similar content, providing the basis of echo chambers, and social bots amplify this phenomenon; and (iii) social bots generate similar content aiming to manipulate public opinions.
- Abstract（参考訳）: ソーシャルメディアプラットフォームは、ソーシャルボットが拡散を加速するかもしれない誤報を広めるための理想的なメディアである。
本論文は,Sina Weiboプラットフォーム上でのソーシャルボットと誤情報との相互作用を初めて探求するものである。
誤情報やソーシャルボットのアノテーションを含む大規模データセットを構築した。
誤情報の観点からは、このデータセットは11,393個の誤情報と16,416個の実情報を含むマルチモーダルである。
ソーシャルボットの観点から、このデータセットには65,749のソーシャルボットと345,886の真のアカウントが含まれている。
大規模な実験により、データセットは最も包括的で誤情報であり、実際の情報は識別可能であることが証明され、ソーシャルボットは高いアノテーション品質を持つ。
さらなる分析は、次のように説明している。
(i)ソーシャルボットは情報拡散に深く関与している。
(二)同じ話題の誤報には類似した内容があり、エコー室の基礎を提供し、社会ボットがこの現象を増幅している。
三 社会ボットは、世論を操作することを目的とした類似のコンテンツを生成する。
関連論文リスト
- MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。
本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。
以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
論文 参考訳（メタデータ） (2024-10-13T18:16:50Z) - Easy-access online social media metrics can effectively identify misinformation sharing users [41.94295877935867]
高いツイート頻度は共有コンテンツの事実性の低さと正に関連しているのに対し、アカウント年齢はそれと負に関連していることがわかった。
以上の結果から,これらのソーシャル・ネットワークの指標を頼りにすることで,誤情報を拡散しやすいユーザを早期に識別する,低障壁なアプローチが実現する可能性が示唆された。
論文 参考訳（メタデータ） (2024-08-27T16:41:13Z) - Entendre, a Social Bot Detection Tool for Niche, Fringe, and Extreme Social Media [1.4913052010438639]
オープンアクセス、スケーラブル、プラットフォームに依存しないボット検出フレームワークであるEntendreを紹介した。
われわれは、ほとんどのソーシャルプラットフォームが一般的なテンプレートを共有しており、ユーザーはコンテンツを投稿し、コンテンツを承認し、バイオを提供することができるという考えを生かしている。
Entendreの有効性を示すために、私たちは、現在定義されている右翼プラットフォームであるParlerに人種差別的コンテンツを投稿するアカウントの中で、ボットの存在を調査するために使用しました。
論文 参考訳（メタデータ） (2024-08-13T13:50:49Z) - 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) - Machine Learning-based Automatic Annotation and Detection of COVID-19
Fake News [8.020736472947581]
新型コロナウイルス(COVID-19)は世界のあらゆる地域に影響を与えるが、感染の誤報はウイルスよりも速く移動した。
既存の作業は、拡散の触媒として働くボットの存在を無視する。
そこで本稿では,Twitterデータセット上で事実確認文をラベル付けする手法を提案する。
論文 参考訳（メタデータ） (2022-09-07T13:55:59Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - 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) - Exposure to Social Engagement Metrics Increases Vulnerability to
Misinformation [12.737240668157424]
ソーシャルエンゲージメント(ソーシャルエンゲージメント)への露出は、ユーザの誤情報に対する脆弱性を増大させる。
誤報の拡散を減らすため、われわれはソーシャルエンゲージメント指標の表示を再考するよう技術プラットフォームに求めている。
論文 参考訳（メタデータ） (2020-05-10T14:55:50Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z) - Measuring Social Biases of Crowd Workers using Counterfactual Queries [84.10721065676913]
性別、人種などに基づく社会的バイアスは、主にバイアス付きトレーニングデータセットを介して、汚染された機械学習(ML)パイプラインに示されている。
クラウドソーシング(Crowdsourcing)は、ラベル付きトレーニングデータセットを収集するための一般的な費用効果尺度であり、群衆労働者の社会的偏見に免疫がない。
本研究では, 集団労働者ごとの社会的バイアスの程度を定量化するための, 対実的公正度に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-04-04T21:41:55Z) - Curating Social Media Data [0.0]
本稿では,ソーシャルデータのクリーン化とキュレーションを可能にするデータキュレーションパイプラインであるCrowdCorrectを提案する。
当社のパイプラインは,既存の社内ツールを使用してソーシャルメディアデータのコーパスから自動機能抽出を行う。
このパイプラインの実装には、生データをキュレートするクラウドユーザの貢献を促進するために、マイクロタスクを自動生成するツールセットも含まれている。
論文 参考訳（メタデータ） (2020-02-21T10:07:15Z)
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。