Fugu-MT 論文翻訳(概要): Misinformation Dissemination: Effects of Network Density in Segregated Communities

論文の概要: Misinformation Dissemination: Effects of Network Density in Segregated Communities

arxiv url: http://arxiv.org/abs/2411.19866v1
Date: Fri, 29 Nov 2024 17:27:54 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-02 15:20:37.363043
Title: Misinformation Dissemination: Effects of Network Density in Segregated Communities
Title（参考訳）: 誤報拡散:分割コミュニティにおけるネットワーク密度の影響
Authors: Soroush Karimi, Marcos Oliveira, Diogo Pacheco,
Abstract要約: 本研究では,ネットワーク密度と分離が誤情報の拡散にどのように影響するかを,感染防止フレームワークを用いて検討する。高い密度は、誤情報信奉者の比率を一貫して増加させる。分離されたネットワークでは、マイノリティが多数派に影響を与えることが判明した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Understanding the relationship between network features and misinformation propagation is crucial for mitigating the spread of false information. Here, we investigate how network density and segregation affect the dissemination of misinformation using a susceptible-infectious-recovered framework. We find that a higher density consistently increases the proportion of misinformation believers. In segregated networks, our results reveal that minorities affect the majority: denser minority groups increase the number of believers in the majority, demonstrating how the structure of a segregated minority can influence misinformation dynamics within the majority group.
Abstract（参考訳）: 偽情報の拡散を緩和するためには,ネットワークの特徴と誤情報伝播の関係を理解することが重要である。本稿では,ネットワーク密度と分離が誤情報の拡散にどのように影響するかを,感染防止フレームワークを用いて検討する。高い密度は、誤情報信奉者の比率を一貫して増加させる。分離されたネットワークでは、マイノリティが多数派に影響を与えることが明らかとなり、より密集したマイノリティ集団は多数派における信奉者の数を増やし、分離されたマイノリティの構造が多数派内の誤情報力学にどのように影響するかを示す。

関連論文リスト

Detecting and Mitigating Bias in Algorithms Used to Disseminate Information in Social Networks [0.03883607294385062]
影響アルゴリズムは、影響者の集合を特定するために使用される。これらの手法を用いたシード情報によって情報ギャップが生じることを示す。インフルエンスと情報エクイティを最大化する多目的アルゴリズムを考案する。
論文参考訳（メタデータ） (2024-05-21T13:17:57Z)
Effective Intrusion Detection in Highly Imbalanced IoT Networks with Lightweight S2CGAN-IDS [48.353590166168686]
モノのインターネット(IoT)ネットワークは、異常なトラフィックよりも遥かに良質なトラフィックを含んでいる。既存研究の多くは、少数民族の検出率を向上させるために、多数民族の検出率を犠牲にすることに焦点を当てている。我々はS2CGAN-IDSという軽量なフレームワークを提案し、データ空間と特徴空間の両方においてマイノリティなカテゴリの数を拡大する。
論文参考訳（メタデータ） (2023-06-06T14:19:23Z)
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)
Do Deep Neural Networks Always Perform Better When Eating More Data? [82.6459747000664]
Identically Independent Distribution(IID)とOut of Distribution(OOD)による実験を設計する。 IID条件下では、情報の量は各サンプルの効果度、サンプルの寄与度、クラス間の差がクラス情報の量を決定する。 OOD条件下では、試料のクロスドメイン度が寄与を決定づけ、無関係元素によるバイアス適合はクロスドメインの重要な要素である。
論文参考訳（メタデータ） (2022-05-30T15:40:33Z)
The Impact of Disinformation on a Controversial Debate on Social Media [1.299941371793082]
われわれは、移民に関するイタリアの議論において、Twitter上での偽情報の存在がいかに広まっているかを研究する。 TwitterユーザーをtextitUntrustworthinessスコアで特徴付けることで、このような悪い情報消費習慣がユーザー間で均等に分散されていないことが分かる。
論文参考訳（メタデータ） (2021-06-30T10:29:07Z)
MultiFair: Multi-Group Fairness in Machine Learning [52.24956510371455]
機械学習におけるマルチグループフェアネスの研究(MultiFair) この問題を解決するために,汎用的なエンドツーエンドのアルゴリズムフレームワークを提案する。提案するフレームワークは多くの異なる設定に一般化可能である。
論文参考訳（メタデータ） (2021-05-24T02:30:22Z)
DICE: Diversity in Deep Ensembles via Conditional Redundancy Adversarial Estimation [109.11580756757611]
メンバー間の多様性のおかげで、ディープアンサンブルは単一のネットワークよりもパフォーマンスが良い。最近のアプローチでは、多様性を高めるための予測を規則化していますが、個々のメンバーのパフォーマンスも大幅に減少します。 DICEと呼ばれる新しいトレーニング基準を導入し、特徴間の素早い相関を減らして多様性を高める。
論文参考訳（メタデータ） (2021-01-14T10:53:26Z)
Multivariate Relations Aggregation Learning in Social Networks [39.576490107740135]
ソーシャルネットワークのグラフ学習タスクでは,多変量関係情報の識別と活用がより重要である。既存のグラフ学習手法は近隣情報拡散機構に基づいている。本稿では,ネットワーク環境における多変量関係情報を効果的に取得できる多変量関係集約学習法を提案する。
論文参考訳（メタデータ） (2020-08-09T04:58:38Z)
Network Inference from a Mixture of Diffusion Models for Fake News Mitigation [12.229596498611837]
人を騙し、世論に影響を与え、社会的成果を操ることを目的とした偽ニュースの普及は、ソーシャルメディアに迫る問題となっている。本稿では,フェイクニュース緩和のためのネットワーク介入を容易にするために,偽コンテンツの拡散ダイナミクスの理解と活用に焦点をあてる。
論文参考訳（メタデータ） (2020-08-08T05:59:25Z)
Contrastive Examples for Addressing the Tyranny of the Majority [83.93825214500131]
我々は,グループメンバーシップを介在する,オリジナルのデータセットと新たなデータポイントからなるバランスの取れたトレーニングデータセットを作成することを提案する。コントラッシブ・サンプル(英語版)と呼ばれるこれらのデータポイントを学習するための強力なツールとして、現在の生成的敵ネットワークが重要であることを示す。
論文参考訳（メタデータ） (2020-04-14T14:06:44Z)
A network perspective on intermedia agenda-setting [4.83420384410068]
我々は、あるトピックに対して異なるニュースソース間の影響のネットワークを推論する方法論を提示することで、メディア間アジェンダ設定を運用する。同じニュースソースが特定のトピックに対してアジェンダ・セッターとして機能し、他のトピックに対してフォロワーとして機能する。同時に、ほとんどのトピックに関連する影響ネットワークは、小さな世界特性を示しており、ネットワーク内のニュースソースによって表現される感情の全体的多様性に重要な役割を担っていることがわかった。
論文参考訳（メタデータ） (2020-02-14T11:27:16Z)

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。