論文の概要: MisinfoTeleGraph: Network-driven Misinformation Detection for German Telegram Messages

• arxiv url: http://arxiv.org/abs/2506.22529v1
• Date: Fri, 27 Jun 2025 12:32:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.450786
• Title: MisinfoTeleGraph: Network-driven Misinformation Detection for German Telegram Messages
• Title（参考訳）: MisinfoTeleGraph:ドイツのテレグラムメッセージに対するネットワーク駆動型誤報検出
• Authors: Lu Kalkbrenner, Veronika Solopova, Steffen Zeiler, Robert Nickel, Dorothea Kolossa,
• Abstract要約: Misinfo-TeleGraphは、誤情報検出のための最初のドイツ語のTelegramベースのグラフデータセットである。 公開チャネルから500万以上のメッセージが送信され、メタデータ、チャンネルの関係性、弱いラベルと強いラベルが満載されている。 メッセージフォワードをネットワーク構造として組み込んだ,テキストのみのモデルとグラフニューラルネットワーク(GNN)の両方を評価する。
• 参考スコア（独自算出の注目度）: 5.533030792414604
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Connectivity and message propagation are central, yet often underutilized, sources of information in misinformation detection -- especially on poorly moderated platforms such as Telegram, which has become a critical channel for misinformation dissemination, namely in the German electoral context. In this paper, we introduce Misinfo-TeleGraph, the first German-language Telegram-based graph dataset for misinformation detection. It includes over 5 million messages from public channels, enriched with metadata, channel relationships, and both weak and strong labels. These labels are derived via semantic similarity to fact-checks and news articles using M3-embeddings, as well as manual annotation. To establish reproducible baselines, we evaluate both text-only models and graph neural networks (GNNs) that incorporate message forwarding as a network structure. Our results show that GraphSAGE with LSTM aggregation significantly outperforms text-only baselines in terms of Matthews Correlation Coefficient (MCC) and F1-score. We further evaluate the impact of subscribers, view counts, and automatically versus human-created labels on performance, and highlight both the potential and challenges of weak supervision in this domain. This work provides a reproducible benchmark and open dataset for future research on misinformation detection in German-language Telegram networks and other low-moderation social platforms.
• Abstract（参考訳）: 接続性やメッセージの伝播は中心的だが、しばしば利用されていないが、誤情報検出における情報の源泉であり、特にTelegramのような低調なプラットフォームでは、誤情報拡散の重要なチャンネルとなっている。 本稿では,誤情報検出のための最初のドイツ語テレグラムに基づくグラフデータセットであるMisinfo-TeleGraphを紹介する。 公開チャネルから500万以上のメッセージが送られ、メタデータ、チャンネルの関係性、弱いラベルと強いラベルが満載されている。 これらのラベルは、M3埋め込みを用いたファクトチェックやニュース記事のセマンティックな類似性や手作業によるアノテーションによって導出される。 再現可能なベースラインを確立するために,メッセージフォワードをネットワーク構造として組み込んだテキストのみのモデルとグラフニューラルネットワーク(GNN)を評価した。 以上の結果から, LSTMを用いたグラフSAGEは, テキストのみのベースラインよりも, マシューズ相関係数 (MCC) とF1スコアで有意に優れていた。 我々は、サブスクライバー、視聴数、および人によるラベルがパフォーマンスに与える影響を更に評価し、この領域における弱監督の可能性と課題を強調した。 この研究は、ドイツ語のTelegramネットワークや他の低変調のソーシャルプラットフォームにおける誤情報検出に関する将来の研究のための再現可能なベンチマークとオープンデータセットを提供する。

関連論文リスト

• pytopicgram: A library for data extraction and topic modeling from Telegram channels [0.0]
  pytopicgramは、研究者がこれらのTelegramメッセージを収集し、整理し、分析するのを助けるPythonライブラリである。 pytopicgramを使えば、ユーザーはコンテンツがどのように拡散し、聴衆がTelegramでどのように相互作用するかを知ることができる。
  論文  参考訳（メタデータ） (2025-02-07T12:41:47Z)
• Beyond Message Passing: Neural Graph Pattern Machine [50.78679002846741]
  本稿では,グラフサブストラクチャから直接学習することで,メッセージパッシングをバイパスする新しいフレームワークであるNeural Graph Pattern Machine(GPM)を紹介する。 GPMはタスク関連グラフパターンを効率的に抽出し、エンコードし、優先順位付けする。
  論文  参考訳（メタデータ） (2025-01-30T20:37:47Z)
• MGM: Global Understanding of Audience Overlap Graphs for Predicting the Factuality and the Bias of News Media [38.09491667371551]
  政治バイアスと事実性のレンズからニュースメディアをプロファイリングする際の分類問題について検討する。 事前学習言語モデル(PLM)やグラフニューラルネットワーク(GNN)といった従来のプロファイリング手法は有望な結果を示している。 本稿では,変分期待最大化(EM)フレームワークにおける有効解であるMediaGraphMind(MGM)を提案する。
  論文  参考訳（メタデータ） (2024-12-12T18:37:32Z)
• Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
  GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。 提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
  論文  参考訳（メタデータ） (2024-06-18T13:35:25Z)
• Enhancing Fake News Detection in Social Media via Label Propagation on Cross-modal Tweet Graph [19.409935976725446]
  ソーシャルメディアにおける偽ニュースを検出する新しい方法を提案する。 我々の手法は、より密な相互作用をよりよく捉えるために、グラフの接続性を高める。 評価には、Twitter、PHEME、Weiboの3つの公開フェイクニュースデータセットを使用します。
  論文  参考訳（メタデータ） (2024-06-14T09:55:54Z)
• LOSS-GAT: Label Propagation and One-Class Semi-Supervised Graph Attention Network for Fake News Detection [2.6396287656676725]
  Loss-GATは、フェイクニュース検出のための半教師付き一級アプローチである。 我々は、ニュースを関心(フェイク)と非関心(リアル)の2つのグループに分類するために、2段階のラベル伝搬アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2024-02-13T12:02:37Z)
• TGDataset: Collecting and Exploring the Largest Telegram Channels Dataset [57.2282378772772]
  本稿では,120,979のTelegramチャネルと4億以上のメッセージを含む新しいデータセットであるTGDatasetを提案する。 我々は、データセット内で話される言語と、英語チャンネルでカバーされるトピックを分析した。 生のデータセットに加えて、データセットの分析に使用したスクリプトと、Sabmykと呼ばれる新しい陰謀論のネットワークに属するチャネルのリストもリリースしました。
  論文  参考訳（メタデータ） (2023-03-09T15:42:38Z)
• 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)
• Detecting Offensive Language on Social Networks: An End-to-end Detection Method based on Graph Attention Networks [7.723697303436006]
  攻撃的言語検出(CT-OLD)のためのコミュニティ構造とテキスト特徴に基づくエンドツーエンド手法を提案する。 ユーザの特徴を表現するために,コミュニティ構造にユーザ意見を追加する。ユーザ意見は,ユーザ履歴行動情報によって表現され,テキスト情報によって表現されるものよりも優れる。
  論文  参考訳（メタデータ） (2022-03-04T03:57:18Z)

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。