論文の概要: Bridging Nodes and Narrative Flows: Identifying Intervention Targets for Disinformation on Telegram
- arxiv url: http://arxiv.org/abs/2411.05922v1
- Date: Fri, 08 Nov 2024 19:10:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:10:30.229622
- Title: Bridging Nodes and Narrative Flows: Identifying Intervention Targets for Disinformation on Telegram
- Title（参考訳）: ノードのブリッジとナラティブフロー:テレグラム上の偽情報に対する干渉ターゲットの同定
- Authors: Devang Shah, Hriday Ranka, Lynnette Hui Xian NG, Swapneel Mehta,
- Abstract要約: 本稿では,テレグラム上での誤報の伝播を促進する構造機構について検討する。
我々は, ニューダルテレグラムチャネルの影響を定量化するために, 多次元「ブリッジング」メトリックを導入する。
ノードの小さなサブセットを発見し、このプラットフォームで情報「フロー」を象徴するパターンを特定します。
- 参考スコア（独自算出の注目度）: 1.124958340749622
- License:
- Abstract: In recent years, mass-broadcast messaging platforms like Telegram have gained prominence for both, serving as a harbor for private communication and enabling large-scale disinformation campaigns. The encrypted and networked nature of these platforms makes it challenging to identify intervention targets since most channels that promote misleading information are not originators of the message. In this work, we examine the structural mechanisms that facilitate the propagation of debunked misinformation on Telegram, focusing on the role of cross-community hubs-nodes that bridge otherwise isolated groups in amplifying misinformation. We introduce a multi-dimensional 'bridging' metric to quantify the influence of nodal Telegram channels, exploring their role in reshaping network topology during key geopolitical events. By analyzing over 1740 Telegram channels and applying network analysis we uncover the small subset of nodes, and identify patterns that are emblematic of information 'flows' on this platform. Our findings provide insights into the structural vulnerabilities of distributed platforms, offering practical suggestions for interventions to mitigate networked disinformation flows.
- Abstract（参考訳）: 近年、Telegramのような大量ブロードキャストメッセージングプラットフォームは、プライベートコミュニケーションの港として機能し、大規模な偽情報キャンペーンを可能にしている。
これらのプラットフォームの暗号化され、ネットワーク化された性質は、誤った情報を促進するほとんどのチャネルがメッセージの発信元ではないため、介入対象を特定することを困難にしている。
本研究では,非孤立なグループを橋渡しして誤情報を増幅するクロスコミュニティハブノードの役割に着目し,テレグラム上での誤情報の拡散を促進する構造機構について検討する。
本稿では,多次元の「ブリッジング」測度を導入し,その影響を定量化し,主要な地政学的事象におけるネットワークトポロジの再構築における役割を探求する。
1740以上のTelegramチャンネルを分析し、ネットワーク分析を適用することで、ノードの小さなサブセットを発見し、このプラットフォーム上での情報「フロー」を象徴するパターンを特定します。
本研究は,分散プラットフォームの構造的脆弱性に関する知見を提供し,ネットワーク化された偽情報フローを緩和するための介入の実践的提案を提供する。
関連論文リスト
- Push and Pull: A Framework for Measuring Attentional Agency [5.0288848386593115]
本稿では,デジタルプラットフォーム上での注目度測定のための枠組みを提案する。
これらの定義は、生成基盤モデルの影響を暗示するために用いられる。
我々は、オンラインの注目機関の流通を理解し、形を変えるための一連の政策戦略で締めくくります。
論文 参考訳（メタデータ） (2024-05-23T14:26:04Z) - Hierarchical Information Enhancement Network for Cascade Prediction in Social Networks [51.54002032659713]
カスケード予測のための階層型情報拡張ネットワーク(HIENet)を提案する。
本手法では,基本カスケードシーケンス,ユーザソーシャルグラフ,サブカスケードグラフを統合フレームワークに統合する。
論文 参考訳（メタデータ） (2024-03-22T14:57:27Z) - Multi-perspective Memory Enhanced Network for Identifying Key Nodes in Social Networks [51.54002032659713]
ソーシャルネットワークにおけるキーノードを識別する新しいマルチパースペクティブメモリ拡張ネットワーク(MMEN)を提案する。
MMENは複数の視点からキーノードをマイニングし、履歴情報を記憶するためにメモリネットワークを利用する。
我々の手法は過去の方法よりも大幅に優れている。
論文 参考訳（メタデータ） (2024-03-22T14:29:03Z) - An Exploratory Analysis of COVID Bot vs Human Disinformation
Dissemination stemming from the Disinformation Dozen on Telegram [5.494111035517598]
2021年の新型コロナウイルス(COVID-19)パンデミックは、世界的な健康危機を引き起こし、インフォデミックを引き起こした。
新型コロナウイルス(COVID-19)や治療、ワクチンなどの偽情報を広める鍵として、12人のソーシャルメディアパーソナリティが特定された。
本研究は、モバイルメッセージングおよびソーシャルメディアプラットフォームであるTelegram上で、このグループによって広められた偽情報の拡散に焦点を当てた。
論文 参考訳（メタデータ） (2024-02-22T01:10:11Z) - 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) - A Hierarchical Network-Oriented Analysis of User Participation in
Misinformation Spread on WhatsApp [0.9774299772405469]
WhatsApp上での誤情報拡散に関わるユーザの階層的ネットワーク指向特性について述べる。
私たちの研究は、WhatsAppユーザーが異なるグループを繋ぐネットワークを活用して、プラットフォーム上での誤情報拡散に大きなリーチを得る方法について、貴重な洞察を提供する。
論文 参考訳（メタデータ） (2021-09-22T00:00:02Z) - Introducing an Abusive Language Classification Framework for Telegram to
Investigate the German Hater Community [0.6459215652021234]
我々は,(i)ドイツテレグラムのメッセージに対する虐待的言語分類モデルと,(ii)テレグラムチャンネルのヘイトフルネスに関する分類モデルからなるフレームワークを開発する。
チャネル分類モデルでは,トピックモデルから得られるチャネル固有のコンテンツ情報とソーシャルグラフを組み合わせて,チャネルのヘイトフルネスを予測する手法を開発した。
本研究のさらなるアウトプットとして,1,149件のTelegramメッセージを含むアノテート乱用言語データセットを作成した。
論文 参考訳（メタデータ） (2021-09-15T14:58:46Z) - GCN for HIN via Implicit Utilization of Attention and Meta-paths [104.24467864133942]
不均一情報ネットワーク(HIN)埋め込みは、HINの構造と意味情報を分散表現にマッピングすることを目的としている。
本稿では,注意とメタパスを暗黙的に活用するニューラルネットワーク手法を提案する。
まず、各層で識別集約を行う多層グラフ畳み込みネットワーク(GCN)フレームワークを用いる。
次に,アグリゲーションから分離可能な新しい伝搬操作を導入することにより,効果的な緩和と改善を行う。
論文 参考訳（メタデータ） (2020-07-06T11:09:40Z) - Transferable Perturbations of Deep Feature Distributions [102.94094966908916]
本研究は,クラスワイドおよび層ワイドな特徴分布のモデリングと利用に基づく新たな敵攻撃を提案する。
我々は、未定義の画像ネットモデルに対して、最先端のブラックボックス転送に基づく攻撃結果を得る。
論文 参考訳（メタデータ） (2020-04-27T00:32:25Z) - A multi-layer approach to disinformation detection on Twitter [4.663548775064491]
我々は,Twitter拡散ネットワークの多層表現を用い,各層に対してグローバルネットワーク機能群を計算した。
米国とイタリアでそれぞれ共有されたニュースの拡散カスケードに対応する2つの大規模データセットによる実験結果から、単純なロジスティック回帰モデルにより、偽情報と主流ネットワークを高精度に分類できることが示されている。
当社のネットワークベースのアプローチは,ソーシャルメディアに拡散する誤解を招く有害な情報を検出するシステム開発への道を開く有用な洞察を提供すると考えている。
論文 参考訳（メタデータ） (2020-02-28T09:25:53Z) - Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。
レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
論文 参考訳（メタデータ） (2020-02-25T14:06:27Z)
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。