論文の概要: Enhancing Social Media Rumor Detection: A Semantic and Graph Neural Network Approach for the 2024 Global Election

• arxiv url: http://arxiv.org/abs/2503.01394v1
• Date: Mon, 03 Mar 2025 10:49:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:58.841814
• Title: Enhancing Social Media Rumor Detection: A Semantic and Graph Neural Network Approach for the 2024 Global Election
• Title（参考訳）: ソーシャルメディアの噂検出の強化:2024年世界選挙のためのセマンティック・グラフニューラルネットワークアプローチ
• Authors: Liu Yan, Liu Yunpeng, Zhao Liang,
• Abstract要約: 本研究では,意味解析とグラフニューラルネットワークを組み合わせた新しい手法を提案する。 PolitiFactとTwitterから慎重にデータセットを収集し、政治的に関係のある噂に焦点を当てた。 我々のアプローチは、微調整されたBERTモデルを用いて、テキストコンテンツをベクトル化し、ツイートやコメントがノードであり、対話がエッジである有向グラフを構築することである。
• 参考スコア（独自算出の注目度）: 0.27309692684728615
• License:
• Abstract: The development of social media platforms has revolutionized the speed and manner in which information is disseminated, leading to both beneficial and detrimental effects on society. While these platforms facilitate rapid communication, they also accelerate the spread of rumors and extremist speech, impacting public perception and behavior significantly. This issue is particularly pronounced during election periods, where the influence of social media on election outcomes has become a matter of global concern. With the unprecedented number of elections in 2024, against this backdrop, the election ecosystem has encountered unprecedented challenges. This study addresses the urgent need for effective rumor detection on social media by proposing a novel method that combines semantic analysis with graph neural networks. We have meticulously collected a dataset from PolitiFact and Twitter, focusing on politically relevant rumors. Our approach involves semantic analysis using a fine-tuned BERT model to vectorize text content and construct a directed graph where tweets and comments are nodes, and interactions are edges. The core of our method is a graph neural network, SAGEWithEdgeAttention, which extends the GraphSAGE model by incorporating first-order differences as edge attributes and applying an attention mechanism to enhance feature aggregation. This innovative approach allows for the fine-grained analysis of the complex social network structure, improving rumor detection accuracy. The study concludes that our method significantly outperforms traditional content analysis and time-based models, offering a theoretically sound and practically efficient solution.
• Abstract（参考訳）: ソーシャルメディアプラットフォームの発展は、情報を広めるスピードと方法に革命をもたらし、社会に利益と有害な影響をもたらした。 これらのプラットフォームは迅速なコミュニケーションを促進する一方で、噂や過激派スピーチの拡散を加速し、大衆の認識や行動に大きな影響を及ぼす。 この問題は、ソーシャルメディアが選挙結果に与える影響が世界的な懸念事項になっている選挙期間中に特に顕著である。 2024年の選挙では前例のない数の選挙が行われ、この背景から選挙エコシステムは前例のない課題に直面している。 本研究は,セマンティック分析とグラフニューラルネットワークを組み合わせた新しい手法を提案することにより,ソーシャルメディア上での効果的なうわさ検出の必要性に対処する。 PolitiFactとTwitterから慎重にデータセットを収集し、政治的に関係のある噂に焦点を当てた。 我々のアプローチは、微調整されたBERTモデルを用いて、テキストコンテンツをベクトル化し、ツイートやコメントがノードであり、対話がエッジである有向グラフを構築することである。 本手法のコアとなるグラフニューラルネットワークであるSAGEWithEdgeAttentionは,エッジ属性として一階差分を組み込んだグラフSAGEモデルを拡張し,特徴集約を強化するためのアテンション機構を適用した。 この革新的なアプローチにより、複雑なソーシャルネットワーク構造のきめ細かい分析が可能となり、噂検出精度が向上する。 提案手法は従来のコンテンツ分析や時間に基づくモデルよりも優れており,理論的に健全で実用的な解を提供する。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• Graph Neural Networks for Antisocial Behavior Detection on Twitter [0.0]
  反社会的行動のソーシャルメディアの復活は、ステレオタイプ的信念や個人や社会グループに対する憎悪的なコメントに下向きのスパイラルをもたらした。 大量のグラフ構造化データに使用されるグラフニューラルネットワークの進歩は、ソーシャルメディアプラットフォームにおけるコミュニケーションのメディア化の将来への期待を高めている。 グラフ畳み込みデータに基づくアプローチを用いて、異種データ間の依存関係をよりよく把握した。
  論文  参考訳（メタデータ） (2023-12-28T00:25:12Z)
• 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)
• Predicting Tweet Engagement with Graph Neural Networks [0.0]
  本稿では、新しいグラフベースモデルに基づいて、ユーザエンゲージメントを予測するグラフニューラルネットワークソリューションであるTweetGageを提案する。 提案を検証するために、Twitterプラットフォームに注目し、徹底的な実験的キャンペーンを実施します。
  論文  参考訳（メタデータ） (2023-05-17T10:09:40Z)
• Detecting Political Opinions in Tweets through Bipartite Graph Analysis: A Skip Aggregation Graph Convolution Approach [9.350629400940493]
  私たちは2020年の米国大統領選挙に集中し、Twitterから大規模なデータセットを作成します。 ツイート中の政治的意見を検出するために,ユーザの投稿行動とリツイート行動に基づいて,ユーザツイートの2部グラフを構築した。 ツイートノードに2階隣人からの情報を集約する新しいスキップアグリゲーション機構を導入する。
  論文  参考訳（メタデータ） (2023-04-22T10:38:35Z)
• Exploring Fake News Detection with Heterogeneous Social Media Context Graphs [4.2177790395417745]
  フェイクニュースの検出は、社会全体に直接的な影響を与えるため、純粋に学術的な関心を超える研究領域となっている。 本稿では,ニュース記事を取り巻く異質なソーシャルコンテキストグラフを構築し,問題をグラフ分類タスクとして再構築することを提案する。
  論文  参考訳（メタデータ） (2022-12-13T13:29:47Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。