論文の概要: Hidden Persuasion: Detecting Manipulative Narratives on Social Media During the 2022 Russian Invasion of Ukraine

• arxiv url: http://arxiv.org/abs/2505.24028v1
• Date: Thu, 29 May 2025 22:01:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.67915
• Title: Hidden Persuasion: Detecting Manipulative Narratives on Social Media During the 2022 Russian Invasion of Ukraine
• Title（参考訳）: 隠れた説得:2022年ロシアによるウクライナ侵攻の際のソーシャルメディア上での操作的ナラティブの検出
• Authors: Kateryna Akhynko, Oleksandr Kosovan, Mykola Trokhymovych,
• Abstract要約: 本稿では,ソーシャルメディアにおける操作検出に関するUNLP 2025共有タスクにおいて,最も優れたソリューションの1つを提示する。 この課題は、ウクライナのテレグラム利用者に影響を与えるために使用される修辞的および様式的な操作手法の検出と分類に焦点を当てている。
• 参考スコア（独自算出の注目度）: 17.546422793926993
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper presents one of the top-performing solutions to the UNLP 2025 Shared Task on Detecting Manipulation in Social Media. The task focuses on detecting and classifying rhetorical and stylistic manipulation techniques used to influence Ukrainian Telegram users. For the classification subtask, we fine-tuned the Gemma 2 language model with LoRA adapters and applied a second-level classifier leveraging meta-features and threshold optimization. For span detection, we employed an XLM-RoBERTa model trained for multi-target, including token binary classification. Our approach achieved 2nd place in classification and 3rd place in span detection.
• Abstract（参考訳）: 本稿では,ソーシャルメディアにおける操作検出に関するUNLP 2025共有タスクにおいて,最も優れたソリューションの1つを提示する。 この課題は、ウクライナのテレグラム利用者に影響を与えるために使用される修辞的および様式的な操作手法の検出と分類に焦点を当てている。 分類サブタスクでは、Gemma 2言語モデルをLoRAアダプタで微調整し、メタ機能としきい値最適化を利用した第2レベル分類器を適用した。 スパン検出のために,トークンバイナリ分類を含むマルチターゲット用に訓練されたXLM-RoBERTaモデルを採用した。 提案手法は分類では2位,スパン検出では3位となった。

関連論文リスト

• DetToolChain: A New Prompting Paradigm to Unleash Detection Ability of MLLM [81.75988648572347]
  DetToolChainはマルチモーダル大言語モデル(MLLM)のゼロショットオブジェクト検出能力を解き放つ新しいパラダイムである。 提案手法は,高精度検出にヒントを得た検出プロンプトツールキットと,これらのプロンプトを実装するための新しいChain-of-Thoughtから構成される。 DetToolChainを用いたGPT-4Vは,オープン語彙検出のための新しいクラスセットにおいて,最先端のオブジェクト検出器を+21.5%AP50で改善することを示す。
  論文  参考訳（メタデータ） (2024-03-19T06:54:33Z)
• Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised Semantic Segmentation [79.05949524349005]
  AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。 また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
  論文  参考訳（メタデータ） (2024-03-02T10:03:21Z)
• Early Detection of Depression and Eating Disorders in Spanish: UNSL at MentalRiskES 2023 [1.0878040851637998]
  MentalRiskESは、スペイン語の早期リスク検出に関連する問題を解決することを提案する新しい課題である。 目的は、異なるタスクを考慮に入れた精神障害の兆候を示すTelegramユーザーをできるだけ早く検出することである。
  論文  参考訳（メタデータ） (2023-10-30T20:38:31Z)
• Neural Coreference Resolution based on Reinforcement Learning [53.73316523766183]
  コアレゾリューションシステムは2つのサブタスクを解決する必要がある。 ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。 本稿では,アクターをベースとした強化学習型ニューラルコア参照分解システムを提案する。
  論文  参考訳（メタデータ） (2022-12-18T07:36:35Z)
• IITD at the WANLP 2022 Shared Task: Multilingual Multi-Granularity Network for Propaganda Detection [25.536546272915427]
  本稿では,アラビア語におけるプロパガンダ検出における共有タスクの2つのサブタスクについて述べる。 Subtask 1は、与えられたツイートで使用されるプロパガンダテクニックを見つけるための多ラベル分類問題である。 Subtask 2は、ツイートに存在する各テクニックのインスタンス毎のテキストスパンを特定するように要求する。
  論文  参考訳（メタデータ） (2022-10-31T10:14:43Z)
• BEIKE NLP at SemEval-2022 Task 4: Prompt-Based Paragraph Classification for Patronizing and Condescending Language Detection [13.944149742291788]
  PCL検出タスクは、メディアの脆弱なコミュニティを保護し、あるいは支持している言語を特定することを目的としている。 本稿では,段落分類における素早い学習の力を活用した解法について紹介する。
  論文  参考訳（メタデータ） (2022-08-02T08:38:47Z)
• Detecting Hostile Posts using Relational Graph Convolutional Network [1.8734449181723827]
  この研究は、ソーシャルメディアプラットフォーム上でヒンディー語で敵対的な投稿を検出するためにAAAI@2021が実施したコンテストへの提出に基づいている。 ここでは,畳み込みネットワークを用いた敵対的ポスト分類のためのモデルを提案する。 提案されたモデルは、与えられたデータセット上のGoogleのXLM-RoBERTaと同等に実行されている。 XLMRobertaを用いた分類システムでは, 細粒度分類では2位であった。
  論文  参考訳（メタデータ） (2021-01-10T06:50:22Z)
• DUTH at SemEval-2020 Task 11: BERT with Entity Mapping for Propaganda Classification [1.5469452301122173]
  本報告では,SemEval-2020 Task 11: Detection of Propaganda Techniques in News Articlesに参加するために,Democritus University of Thrace(DUTH)チームが採用した手法について述べる。
  論文  参考訳（メタデータ） (2020-08-22T18:18:02Z)
• Kungfupanda at SemEval-2020 Task 12: BERT-Based Multi-Task Learning for Offensive Language Detection [55.445023584632175]
  我々は,マルチタスク学習とBERTモデルを組み合わせた攻撃的言語検出システムを構築した。 我々のモデルは、英語のサブタスクAで91.51%のF1スコアを獲得し、これは第1位に匹敵する。
  論文  参考訳（メタデータ） (2020-04-28T11:27:24Z)

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。