論文の概要: Dynamic Simulation Framework for Disinformation Dissemination and Correction With Social Bots

• arxiv url: http://arxiv.org/abs/2507.16848v1
• Date: Mon, 21 Jul 2025 07:15:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.684169
• Title: Dynamic Simulation Framework for Disinformation Dissemination and Correction With Social Bots
• Title（参考訳）: ソーシャルボットを用いた情報伝達・訂正のための動的シミュレーションフレームワーク
• Authors: Boyu Qiao, Kun Li, Wei Zhou, Songlin Hu,
• Abstract要約: ソーシャルボットは、偽情報の拡散と修正において重要な役割を果たしている。 情報発信のためのマルチエージェントフレームワークMADDを提案する。 我々は,MADDユーザ属性とネットワーク構造の現実的一貫性を実験的に検証した。
• 参考スコア（独自算出の注目度）: 24.272384832200522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the human-bot symbiotic information ecosystem, social bots play key roles in spreading and correcting disinformation. Understanding their influence is essential for risk control and better governance. However, current studies often rely on simplistic user and network modeling, overlook the dynamic behavior of bots, and lack quantitative evaluation of correction strategies. To fill these gaps, we propose MADD, a Multi Agent based framework for Disinformation Dissemination. MADD constructs a more realistic propagation network by integrating the Barabasi Albert Model for scale free topology and the Stochastic Block Model for community structures, while designing node attributes based on real world user data. Furthermore, MADD incorporates both malicious and legitimate bots, with their controlled dynamic participation allows for quantitative analysis of correction strategies. We evaluate MADD using individual and group level metrics. We experimentally verify the real world consistency of MADD user attributes and network structure, and we simulate the dissemination of six disinformation topics, demonstrating the differential effects of fact based and narrative based correction strategies.
• Abstract（参考訳）: ヒト-ボット共生情報エコシステムでは、ソーシャルボットは偽情報の拡散と修正において重要な役割を果たしている。 彼らの影響力を理解することは、リスク管理とより良いガバナンスにとって不可欠です。 しかし、最近の研究では、単純化されたユーザとネットワークのモデリング、ボットの動的振る舞いの見落とし、修正戦略の定量的評価が欠如していることが多い。 これらのギャップを埋めるために,情報拡散のためのマルチエージェントフレームワークMADDを提案する。 MADDは、バラバシ・アルバートモデル(Barabasi Albert Model)とコミュニティ構造のための確率ブロックモデル(Stochastic Block Model)を統合し、実世界のユーザデータに基づいてノード属性を設計することで、より現実的な伝搬ネットワークを構築する。 さらに、MADDには悪意のあるボットと正当なボットの両方が組み込まれており、その制御された動的参加は修正戦略の定量的分析を可能にする。 個人レベルとグループレベルの指標を用いてMADDを評価した。 我々は,MADDユーザ属性とネットワーク構造の現実的一貫性を実験的に検証し,事実ベースと物語ベースの補正戦略の差分効果を実証し,6つの偽情報トピックの拡散をシミュレートする。

関連論文リスト

• Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
  我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。 提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。 本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-26T11:53:59Z)
• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• Learning Individual Behavior in Agent-Based Models with Graph Diffusion Networks [2.749593964424624]
  エージェントベースモデル(ABM)は、複雑なシステムの創発的特性を研究するための強力なツールである。 生成したデータを観測することで,任意のABMの識別可能なサロゲートを学習するための新しいフレームワークを提案する。 本手法は,拡散モデルとグラフニューラルネットワークを組み合わせ,エージェントの相互作用をモデル化する。
  論文  参考訳（メタデータ） (2025-05-27T16:55:56Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• PrivilegedDreamer: Explicit Imagination of Privileged Information for Rapid Adaptation of Learned Policies [7.376615925443845]
  モデルに基づく強化学習フレームワークであるPrivlegedDreamerを紹介する。 5つのHIP-MDPタスクに関する実証分析により、PrivlegedDreamerは最先端のモデルベース、モデルフリー、do-main適応学習アルゴリズムより優れていることが示された。
  論文  参考訳（メタデータ） (2025-02-17T02:46:02Z)
• Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
  メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。 次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。 20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
  論文  参考訳（メタデータ） (2025-01-20T07:12:40Z)
• Scrutinizing the Vulnerability of Decentralized Learning to Membership Inference Attacks [1.5993362488149794]
  分散学習システムにおけるメンバーシップ推論攻撃(MIA)の脆弱性について検討する。 鍵となる発見は、MIAの脆弱性は各ノードが実行した局所モデル混合戦略と大きく相関していることである。 本稿は,MIAに脆弱性を設計することで脆弱性を減らす分散型学習システムを考案した際の教訓をまとめたものである。
  論文  参考訳（メタデータ） (2024-12-17T12:02:47Z)
• DeCaf: A Causal Decoupling Framework for OOD Generalization on Node Classification [14.96980804513399]
  グラフニューラルネットワーク(GNN)は、分散シフトの影響を受けやすいため、クリティカルドメインの脆弱性やセキュリティ上の問題が発生する。 不変(機能、構造)-ラベルマッピングの学習を目標とする既存の方法は、データ生成プロセスに関する過度に単純化された仮定に依存することが多い。 構造因果モデル(SCM)を用いたより現実的なグラフデータ生成モデルを提案する。 本稿では,非バイアスな特徴ラベルと構造ラベルのマッピングを独立に学習する,カジュアルなデカップリングフレームワークDeCafを提案する。
  論文  参考訳（メタデータ） (2024-10-27T00:22:18Z)
• Social Opinions Prediction Utilizes Fusing Dynamics Equation with LLM-based Agents [6.1923703280119105]
  本研究では, Fusing Dynamics Equation-Large Language Model (FDE-LLM) アルゴリズムを提案する。 この革新的なアプローチは、大規模言語モデルにおける意見の行動と進化を、ソーシャルネットワーク上の実世界のデータと整合させる。 我々のアルゴリズムは、時間とともに意見の崩壊と回復を正確にシミュレートする。
  論文  参考訳（メタデータ） (2024-09-13T11:02:28Z)
• Images in Discrete Choice Modeling: Addressing Data Isomorphism in Multi-Modality Inputs [77.54052164713394]
  本稿では,離散選択モデリング(DCM)と機械学習の交わりについて考察する。 本稿では,DCMフレームワーク内の従来の表型入力と同型情報を共有する高次元画像データの埋め込み結果について検討する。
  論文  参考訳（メタデータ） (2023-12-22T14:33:54Z)
• Bring Your Own Data! Self-Supervised Evaluation for Large Language Models [52.15056231665816]
  大規模言語モデル(LLM)の自己教師型評価のためのフレームワークを提案する。 閉書知識,毒性,長期文脈依存性を測定するための自己指導型評価戦略を実証する。 自己監督評価と人監督評価との間には強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-06-23T17:59:09Z)

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。