論文の概要: Analysing Health Misinformation with Advanced Centrality Metrics in Online Social Networks
- arxiv url: http://arxiv.org/abs/2507.09055v1
- Date: Fri, 11 Jul 2025 22:19:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:22.177578
- Title: Analysing Health Misinformation with Advanced Centrality Metrics in Online Social Networks
- Title（参考訳）: オンラインソーシャルネットワークにおける高度集中度指標を用いた健康情報誤報の分析
- Authors: Mkululi Sikosana, Sean Maudsley-Barton, Oluwaseun Ajao,
- Abstract要約: 本研究では、動的影響集中度(DIC)、健康誤情報脆弱性集中度(MVC)、伝播集中度(PC)の3つの新しい集中度指標を紹介し、比較する。
従来のメトリクスでは29の影響力のあるノードが特定され、新しいメトリクスでは24のユニークなノードが発見され、42の合計ノードが発見され、44.83%が増加した。
ベースラインの介入は、健康上の誤報を50%減らし、新しい指標を取り入れることで62.5%に増加し、25%改善した。
- 参考スコア（独自算出の注目度）: 0.43695508295565777
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid spread of health misinformation on online social networks (OSNs) during global crises such as the COVID-19 pandemic poses challenges to public health, social stability, and institutional trust. Centrality metrics have long been pivotal in understanding the dynamics of information flow, particularly in the context of health misinformation. However, the increasing complexity and dynamism of online networks, especially during crises, highlight the limitations of these traditional approaches. This study introduces and compares three novel centrality metrics: dynamic influence centrality (DIC), health misinformation vulnerability centrality (MVC), and propagation centrality (PC). These metrics incorporate temporal dynamics, susceptibility, and multilayered network interactions. Using the FibVID dataset, we compared traditional and novel metrics to identify influential nodes, propagation pathways, and misinformation influencers. Traditional metrics identified 29 influential nodes, while the new metrics uncovered 24 unique nodes, resulting in 42 combined nodes, an increase of 44.83%. Baseline interventions reduced health misinformation by 50%, while incorporating the new metrics increased this to 62.5%, an improvement of 25%. To evaluate the broader applicability of the proposed metrics, we validated our framework on a second dataset, Monant Medical Misinformation, which covers a diverse range of health misinformation discussions beyond COVID-19. The results confirmed that the advanced metrics generalised successfully, identifying distinct influential actors not captured by traditional methods. In general, the findings suggest that a combination of traditional and novel centrality measures offers a more robust and generalisable framework for understanding and mitigating the spread of health misinformation in different online network contexts.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックなどの世界的な危機の中で、オンラインソーシャルネットワーク(OSN)上での健康上の誤った情報の急速な拡散は、公衆衛生、社会安定、制度的信頼に困難をもたらしている。
集中度指標は、情報フローのダイナミクス、特に健康上の誤報の文脈を理解する上で、長い間重要な役割を果たしてきた。
しかし、オンラインネットワークの複雑さとダイナミズムの増大は、特に危機時に、これらの伝統的なアプローチの限界を強調している。
本研究では、動的影響集中(DIC)、健康誤情報脆弱性集中(MVC)、伝播集中(PC)の3つの新しい集中度指標を紹介し、比較する。
これらのメトリクスには、時間力学、感受性、多層ネットワーク相互作用が含まれる。
FibVIDデータセットを用いて、従来のメトリクスと新しいメトリクスを比較し、影響ノード、伝播経路、誤情報インフルエンサーを同定した。
従来のメトリクスでは29の影響力のあるノードが特定され、新しいメトリクスでは24のユニークなノードが発見され、42の合計ノードが発見され、44.83%が増加した。
ベースラインの介入は、健康上の誤報を50%減らし、新しい指標を取り入れることで62.5%に増加し、25%改善した。
提案指標の広範な適用性を評価するため,第2のデータセットであるMonant Medical Misinformationの枠組みを検証した。
その結果、先進的な指標が正常に一般化され、従来の方法で捉えられていない異なる影響力のあるアクターが特定された。
一般に、従来の中央集権化対策と新規集権化対策の組み合わせは、異なるオンライン・ネットワーク・コンテキストにおける健康情報拡散の理解と緩和のための、より堅牢で汎用的な枠組みを提供することを示唆している。
関連論文リスト
- Towards the efficacy of federated prediction for epidemics on networks [5.719600613434056]
我々は、フェデレートラーニング(FL)に基づく疫病ネットワーク上のノードレベルの予測のための一般的なプライバシレベルフレームワークを開発する。
本研究は,疫病管理におけるFLシナリオの有効性に関する実践的な知見を提供する。
論文 参考訳（メタデータ） (2024-12-03T04:37:28Z) - 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) - Implementing a Nordic-Baltic Federated Health Data Network: a case
report [56.96209893909196]
我々は5か国6機関からなるフェデレーション型健康データネットワークを開発するための学際コンソーシアムを結成した。
本報告の目的は,このネットワークの開発経験に関する早期知見を提供することである。
論文 参考訳（メタデータ） (2024-09-26T14:15:54Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Learnable Weight Initialization for Volumetric Medical Image Segmentation [66.3030435676252]
本稿では,学習可能な重みに基づくハイブリッド医療画像セグメンテーション手法を提案する。
我々のアプローチはどんなハイブリッドモデルにも簡単に統合でき、外部のトレーニングデータを必要としない。
多臓器・肺がんセグメンテーションタスクの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-06-15T17:55:05Z) - Network-based Control of Epidemic via Flattening the Infection Curve:
High-Clustered vs. Low-Clustered Social Networks [5.768625063623631]
クラスタネットワークは一般的に、感染曲線をフラットにするのが簡単である。
距離に基づく集中度対策は、隔離/ワクチン接種のために個人を標的にするためのより良い選択である。
論文 参考訳（メタデータ） (2023-03-16T09:37:21Z) - Consensus Knowledge Graph Learning via Multi-view Sparse Low Rank Block Model [8.374332740392978]
本稿では,マルチビュースパース低ランクブロックモデル (msLBM) フレームワークを提案する。
この結果から,マルチソースデータセットを活用することで,コンセンサス知識グラフをより正確に学習できることが示唆された。
論文 参考訳（メタデータ） (2022-09-28T01:19:38Z) - Comparative evaluation of community-aware centrality measures [1.7243339961137643]
本研究では,SIRモデルを用いて,感染拡大過程における地域中心性に影響を及ぼす7つの指標について検討した。
その結果,地域社会に意識した集中度尺度の相関は低いことが明らかとなった。
マルチスレッダ問題では、リソースが利用可能であれば、Modularity Vitalityを使用した遠方のハブをターゲットとする方がより効果的である。
論文 参考訳（メタデータ） (2022-05-14T07:43:26Z) - Predicting Critical Nodes in Temporal Networks by Dynamic Graph
Convolutional Networks [1.213512753726579]
ネットワーク構造が時間とともに変化するため、クリティカルノードを特定することは困難である。
本稿では,特殊なGCNとRNNを組み合わせた,新しい効果的な学習フレームワークを提案する。
4つの実世界の時間ネットワークに対する実験結果から,提案手法は従来のベンチマーク法とディープラーニングベンチマーク法の両方より優れていることが示された。
論文 参考訳（メタデータ） (2021-06-19T04:16:18Z) - Context-Aware Refinement Network Incorporating Structural Connectivity
Prior for Brain Midline Delineation [50.868845400939314]
UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。
正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。
提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
論文 参考訳（メタデータ） (2020-07-10T14:01:20Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z)
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。