論文の概要: Insight Rumors: A Novel Textual Rumor Locating and Marking Model Leveraging Att_BiMamba2 Network

• arxiv url: http://arxiv.org/abs/2508.12574v1
• Date: Mon, 18 Aug 2025 02:20:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.944907
• Title: Insight Rumors: A Novel Textual Rumor Locating and Marking Model Leveraging Att_BiMamba2 Network
• Title（参考訳）: Insightの噂: Att_BiMamba2ネットワークを活用した新しいテキスト・サーベイ・マーキング・モデル
• Authors: Bin Ma, Yifei Zhang, Yongjin Xian, Qi Li, Linna Zhou, Gongxun Miao,
• Abstract要約: 本稿では,テキストデータ中の噂内容を識別し,マークするための,Insight Rumors という新しい噂検出モデルを提案する。 提案手法は、噂を正確に検知するだけでなく、正確な文脈で特定・マークするだけでなく、噂を大まかに識別できる最先端のスキームよりも優れている。
• 参考スコア（独自算出の注目度）: 15.703292627605304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the development of social media networks, rumor detection models have attracted more and more attention. Whereas, these models primarily focus on classifying contexts as rumors or not, lacking the capability to locate and mark specific rumor content. To address this limitation, this paper proposes a novel rumor detection model named Insight Rumors to locate and mark rumor content within textual data. Specifically, we propose the Bidirectional Mamba2 Network with Dot-Product Attention (Att_BiMamba2), a network that constructs a bidirectional Mamba2 model and applies dot-product attention to weight and combine the outputs from both directions, thereby enhancing the representation of high-dimensional rumor features. Simultaneously, a Rumor Locating and Marking module is designed to locate and mark rumors. The module constructs a skip-connection network to project high-dimensional rumor features onto low-dimensional label features. Moreover, Conditional Random Fields (CRF) is employed to impose strong constraints on the output label features, ensuring accurate rumor content location. Additionally, a labeled dataset for rumor locating and marking is constructed, with the effectiveness of the proposed model is evaluated through comprehensive experiments. Extensive experiments indicate that the proposed scheme not only detects rumors accurately but also locates and marks them in context precisely, outperforming state-of-the-art schemes that can only discriminate rumors roughly.
• Abstract（参考訳）: ソーシャルメディアネットワークの発展に伴い、噂検出モデルはますます注目を集めている。 いずれにせよ、これらのモデルはコンテキストを噂として分類することに集中しており、特定の噂コンテンツを発見・マークする能力がない。 この制限に対処するため,本論文では,テキストデータ中の噂内容を識別し,マークするための,Insight Rumorsという新しい噂検出モデルを提案する。 具体的には、双方向のMamba2モデルを構築し、ドット積の注意を重み付け、両方向からの出力を組み合わせて高次元の噂特徴の表現を強化するネットワークである、Dot-Product Attention (Att_BiMamba2)を提案する。 同時に、噂の場所とマーキングモジュールは、噂を突き止めてマークするように設計されている。 モジュールはスキップ接続ネットワークを構築し、低次元のラベル特徴に高次元の噂特徴を投影する。 さらに、条件付きランダムフィールド(CRF)を用いて、出力ラベルの特徴に強い制約を課し、正確な噂コンテンツの位置を確保する。 さらに,提案モデルの有効性を総合実験により評価し,噂の配置とマーキングのためのラベル付きデータセットを構築した。 広範にわたる実験により,提案手法は噂を正確に検出するだけでなく,正確な文脈で特定・マークするだけでなく,噂を大まかに識別することのできる最先端のスキームよりも優れていることが示された。

関連論文リスト

• CLMIR: A Textual Dataset for Rumor Identification and Marking [15.703292627605304]
  本稿では,CLMIRという,きめ細かいマーキングによる噂検出のためのデータセットを構築した。 記事がうわさかどうかを判断するのに加えて、このデータセットは、そのうわさがベースとなっている特定のコンテンツをさらにマークする。
  論文  参考訳（メタデータ） (2025-08-15T01:09:27Z)
• Seeing Through Deception: Uncovering Misleading Creator Intent in Multimodal News with Vision-Language Models [48.2311603411121]
  本稿では,創造者の意図を明示的にモデル化することで,現実のマルチモーダルニュース作成をシミュレートする自動化フレームワークを提案する。 DeceptionDecodedは、信頼できる参照記事と一致した12,000のイメージキャプチャペアからなるベンチマークである。 我々は3つの意図中心のタスクに対して、14の最先端ビジョン言語モデル(VLM)の包括的な評価を行う。
  論文  参考訳（メタデータ） (2025-05-21T13:14:32Z)
• Detecting Rumor Veracity with Only Textual Information by Double-Channel Structure [7.931904787652709]
  ソーシャルメディア上での噂の真偽を判断するための二重チャネル構造を提案する。 まず、各テキストを特定の(偽の噂)または不確実な(偽の噂)カテゴリに割り当てる。 次に,情報提供された噂に対して嘘検出アルゴリズムを適用し,未報の噂に対してスレッド応答合意検出アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2023-12-06T00:08:44Z)
• Inconsistent Matters: A Knowledge-guided Dual-consistency Network for Multi-modal Rumor Detection [53.48346699224921]
  マルチメディアコンテンツによる噂を検出するために,知識誘導型二元整合ネットワークを提案する。 2つの一貫性検出ツールを使用して、クロスモーダルレベルとコンテント知識レベルの不整合を同時にキャプチャする。 また、異なる視覚的モダリティ条件下で頑健なマルチモーダル表現学習を可能にする。
  論文  参考訳（メタデータ） (2023-06-03T15:32:20Z)
• A Unified Contrastive Transfer Framework with Propagation Structure for Boosting Low-Resource Rumor Detection [11.201348902221257]
  既存の噂検出アルゴリズムは 昨日のニュースで 有望な性能を見せています 十分なトレーニングデータや事前の専門家知識が欠如しているため、予期せぬ出来事に関する噂を見つけるのが苦手である。 本稿では,十分な情報源から得られた特徴を,少数のアノテーションで少ない資料に適応させることで,噂を検出するための一貫したコントラスト転送フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-04T03:13:03Z)
• Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
  異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。 我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。 3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
  論文  参考訳（メタデータ） (2022-04-19T12:10:03Z)
• SRLF: A Stance-aware Reinforcement Learning Framework for Content-based Rumor Detection on Social Media [15.985224010346593]
  初期のコンテンツベースの方法は、噂の検出のためにテキストとユーザープロファイルから手がかりを見つけることに集中した。 近年の研究では、ユーザのコメントとニュースコンテンツを組み合わせて、真実と偽の噂の違いを捉えている。 本稿では,モデルトレーニングと噂検出のための高品質なラベル付き姿勢データを選択するための,SRLF(Stance-Aware Reinforcement Learning Framework)を提案する。
  論文  参考訳（メタデータ） (2021-05-10T03:58:34Z)
• Online Multiple Object Tracking with Cross-Task Synergy [120.70085565030628]
  位置予測と埋め込み結合の相乗効果を考慮した新しい統一モデルを提案する。 この2つのタスクは、時間認識対象の注意と注意の注意、およびアイデンティティ認識メモリ集約モデルによってリンクされる。
  論文  参考訳（メタデータ） (2021-04-01T10:19:40Z)
• Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks [89.13567439679709]
  本稿では,二方向グラフ畳み込みネットワーク (Bi-Directional Graph Convolutional Networks, Bi-GCN) と呼ばれる新しい双方向グラフモデルを提案する。 これは、噂拡散のパターンを学習するために、噂拡散のトップダウン指向グラフを持つGCNと、噂拡散の反対指向グラフを持つGCNを活用して、噂拡散の構造を捉える。
  論文  参考訳（メタデータ） (2020-01-17T15:12:08Z)

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。