論文の概要: IOHunter: Graph Foundation Model to Uncover Online Information Operations

• arxiv url: http://arxiv.org/abs/2412.14663v1
• Date: Thu, 19 Dec 2024 09:14:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-20 13:30:19.556587
• Title: IOHunter: Graph Foundation Model to Uncover Online Information Operations
• Title（参考訳）: IOHunter: オンライン情報操作を明らかにするためのグラフ基盤モデル
• Authors: Marco Minici, Luca Luceri, Francesco Fabbri, Emilio Ferrara,
• Abstract要約: ソーシャルメディアプラットフォームは、社会的物語に幅広い声が影響を及ぼす現代アゴラスとして機能し、公共の場として欠かせない場所となっている。 偽情報、偽ニュース、誤解を招く主張の拡散は民主的プロセスと社会的結束を脅かす。 本稿では,様々なインフルエンスキャンペーンを通じて,情報操作を編成するユーザ,すなわちtextitIOドライバを識別する手法を提案する。
• 参考スコア（独自算出の注目度）: 8.532129691916348
• License:
• Abstract: Social media platforms have become vital spaces for public discourse, serving as modern agor\'as where a wide range of voices influence societal narratives. However, their open nature also makes them vulnerable to exploitation by malicious actors, including state-sponsored entities, who can conduct information operations (IOs) to manipulate public opinion. The spread of misinformation, false news, and misleading claims threatens democratic processes and societal cohesion, making it crucial to develop methods for the timely detection of inauthentic activity to protect the integrity of online discourse. In this work, we introduce a methodology designed to identify users orchestrating information operations, a.k.a. \textit{IO drivers}, across various influence campaigns. Our framework, named \texttt{IOHunter}, leverages the combined strengths of Language Models and Graph Neural Networks to improve generalization in \emph{supervised}, \emph{scarcely-supervised}, and \emph{cross-IO} contexts. Our approach achieves state-of-the-art performance across multiple sets of IOs originating from six countries, significantly surpassing existing approaches. This research marks a step toward developing Graph Foundation Models specifically tailored for the task of IO detection on social media platforms.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、社会的物語に幅広い声が影響を及ぼす現代アゴライアスとして機能し、公共の場として欠かせない場所となっている。 しかし、そのオープンな性質は、公的な意見を操作するための情報操作(IO)を行う国家支援団体を含む悪質なアクターによる搾取にも脆弱である。 誤報、偽ニュース、誤解を招く主張の拡散は民主的なプロセスや社会的結束を脅かすため、オンラインの言論の完全性を保護するために、不正確な活動のタイムリーな検出方法を開発することが重要である。 本研究では,情報操作を編成するユーザ,すなわちtextit{IO drivers} を,様々な影響キャンペーンを通じて識別する手法を提案する。 我々のフレームワークは、言語モデルとグラフニューラルネットワークの強みを組み合わせて、 \emph{supervised}、 \emph{scarcely-supervised}、 \emph{cross-IO}コンテキストの一般化を改善する。 提案手法は6ヶ国を起源とする複数のIOセットにおける最先端性能を実現し,既存手法をはるかに上回っている。 本研究は,ソーシャルメディアプラットフォーム上でのIO検出に特化して,グラフファウンデーションモデルを開発するための一歩となる。

関連論文リスト

• Modes of Analyzing Disinformation Narratives With AI/ML/Text Mining to Assist in Mitigating the Weaponization of Social Media [0.8287206589886879]
  本稿では,ソーシャルメディアにおける悪意あるコミュニケーションを捕捉・監視するための定量的モードの必要性を明らかにする。 ソーシャル・ネットワークを利用したメッセージの「ウェポン化」が意図的に行われており、州が後援し、私的に運営される政治的指向のエンティティも含む。 FacebookやX/Twitterのような主要プラットフォームにモデレーションを導入しようとする試みにもかかわらず、完全にモデレートされていないスペースを提供する代替ソーシャルネットワークが現在確立されている。
  論文  参考訳（メタデータ） (2024-05-25T00:02:14Z)
• Time Series Analysis of Key Societal Events as Reflected in Complex Social Media Data Streams [0.9790236766474201]
  本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。 我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。 主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
  論文  参考訳（メタデータ） (2024-03-11T18:33:56Z)
• SoMeLVLM: A Large Vision Language Model for Social Media Processing [78.47310657638567]
  ソーシャルメディア処理のための大規模ビジョン言語モデル(SoMeLVLM)を提案する。 SoMeLVLMは、知識と理解、応用、分析、評価、作成を含む5つの重要な機能を備えた認知フレームワークである。 実験により,複数のソーシャルメディアタスクにおいて,SoMeLVLMが最先端のパフォーマンスを達成できることが実証された。
  論文  参考訳（メタデータ） (2024-02-20T14:02:45Z)
• MetaHate: A Dataset for Unifying Efforts on Hate Speech Detection [2.433983268807517]
  ヘイトスピーチは、標的となる個人やコミュニティに対して、社会的、心理的、時には身体的脅威を生じさせる。 この現象に対処するための現在の計算言語学的アプローチは、トレーニングのためのラベル付きソーシャルメディアデータセットに依存している。 我々は60以上のデータセットを精査し、その関連するものをMetaHateに選択的に統合しました。 我々の発見は、既存のデータセットのより深い理解に寄与し、より堅牢で適応可能なモデルをトレーニングするための道を開いた。
  論文  参考訳（メタデータ） (2024-01-12T11:54:53Z)
• Leveraging Large Language Models to Detect Influence Campaigns in Social Media [9.58546889761175]
  ソーシャルメディアの影響は、大衆の言論や民主主義に重大な課題をもたらしている。 従来の検出方法は、ソーシャルメディアの複雑さとダイナミックな性質のために不足している。 本稿では,ユーザメタデータとネットワーク構造の両方を組み込んだLarge Language Models (LLM) を用いた新しい検出手法を提案する。
  論文  参考訳（メタデータ） (2023-11-14T00:25:09Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• 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)
• Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
  ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。 本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
  論文  参考訳（メタデータ） (2022-12-27T16:08:49Z)
• Social-Media Activity Forecasting with Exogenous Information Signals [0.0]
  ソーシャルメディアプラットフォームは、社会行動の研究と理解に理想的な環境を提供する。 本稿では,ソーシャルメディア活動のトピック特化日量を予測するモデリング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-22T20:24:20Z)
• InfoBERT: Improving Robustness of Language Models from An Information Theoretic Perspective [84.78604733927887]
  BERTのような大規模言語モデルは、幅広いNLPタスクで最先端のパフォーマンスを実現している。 近年の研究では、このようなBERTベースのモデルが、テキストの敵対的攻撃の脅威に直面していることが示されている。 本稿では,事前学習した言語モデルの堅牢な微調整のための新しい学習フレームワークであるInfoBERTを提案する。
  論文  参考訳（メタデータ） (2020-10-05T20:49:26Z)
• 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。