論文の概要: MPPFND: A Dataset and Analysis of Detecting Fake News with Multi-Platform Propagation

• arxiv url: http://arxiv.org/abs/2505.15834v1
• Date: Fri, 16 May 2025 11:59:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:47.79379
• Title: MPPFND: A Dataset and Analysis of Detecting Fake News with Multi-Platform Propagation
• Title（参考訳）: MPPFND:マルチプラットフォーム・プロパゲーションによるフェイクニュース検出のデータセットと解析
• Authors: Congyuan Zhao, Lingwei Wei, Ziming Qin, Wei Zhou, Yunya Song, Songlin Hu,
• Abstract要約: 複数のプラットフォーム間の伝搬構造をキャプチャするMPPFNDデータセットを導入する。 グラフニューラルネットワークを用いて社会的文脈の特徴を抽出するマルチプラットフォームフェイクニュース検出モデル(APSL)を提案する。
• 参考スコア（独自算出の注目度）: 23.070712463035168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fake news spreads widely on social media, leading to numerous negative effects. Most existing detection algorithms focus on analyzing news content and social context to detect fake news. However, these approaches typically detect fake news based on specific platforms, ignoring differences in propagation characteristics across platforms. In this paper, we introduce the MPPFND dataset, which captures propagation structures across multiple platforms. We also describe the commenting and propagation characteristics of different platforms to show that their social contexts have distinct features. We propose a multi-platform fake news detection model (APSL) that uses graph neural networks to extract social context features from various platforms. Experiments show that accounting for cross-platform propagation differences improves fake news detection performance.
• Abstract（参考訳）: フェイクニュースはソーシャルメディアに広まり、多くのネガティブな影響をもたらした。 既存の検出アルゴリズムのほとんどは、フェイクニュースを検出するためにニュースコンテンツとソーシャルコンテキストの分析に重点を置いている。 しかし、これらのアプローチは、プラットフォーム間の伝搬特性の違いを無視して、特定のプラットフォームに基づいてフェイクニュースを検出するのが一般的である。 本稿では,複数のプラットフォーム間の伝搬構造をキャプチャするMPPFNDデータセットを提案する。 また、異なるプラットフォームにおけるコメントや伝播の特徴を記述し、それらの社会的文脈が異なる特徴を持つことを示す。 本稿では,グラフニューラルネットワークを用いて様々なプラットフォームから社会的文脈の特徴を抽出するマルチプラットフォームフェイクニュース検出モデルを提案する。 実験により,クロスプラットフォームの伝搬特性の違いを考慮すれば,偽ニュース検出性能が向上することが示された。

関連論文リスト

• MSynFD: Multi-hop Syntax aware Fake News Detection [27.046529059563863]
  ソーシャルメディアプラットフォームは、偽ニュースを急速に拡散させ、われわれの現実社会に脅威を与えている。 既存の方法は、フェイクニュースの検出を強化するために、マルチモーダルデータまたはコンテキスト情報を使用する。 本稿では,偽ニュースの微妙なひねりに対処するための補完構文情報を含む,新しいマルチホップ構文認識型偽ニュース検出手法を提案する。
  論文  参考訳（メタデータ） (2024-02-18T05:40:33Z)
• Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
  我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。 我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
  論文  参考訳（メタデータ） (2023-11-02T08:39:45Z)
• Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
  プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。 我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
  論文  参考訳（メタデータ） (2023-09-28T13:19:43Z)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
  Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。 偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
  論文  参考訳（メタデータ） (2022-11-25T18:24:17Z)
• Modelling Social Context for Fake News Detection: A Graph Neural Network Based Approach [0.39146761527401425]
  フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。 本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
  論文  参考訳（メタデータ） (2022-07-27T12:58:33Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• Fake News Detection using Temporal Features Extracted via Point Process [2.105564340986074]
  SNS投稿から発生する時間的特徴をポイントプロセスアルゴリズムを用いて実ニュースから偽ニュースを識別する。 本稿では,時間的特徴とともに言語的特徴とユーザ的特徴を含む新しいマルチモーダルアテンションベース手法を提案する。
  論文  参考訳（メタデータ） (2020-07-28T06:34:54Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)

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。