論文の概要: Bridging Thoughts and Words: Graph-Based Intent-Semantic Joint Learning for Fake News Detection
- arxiv url: http://arxiv.org/abs/2509.01660v1
- Date: Mon, 01 Sep 2025 17:59:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.809429
- Title: Bridging Thoughts and Words: Graph-Based Intent-Semantic Joint Learning for Fake News Detection
- Title（参考訳）: ブリッジング思考と単語: 偽ニュース検出のためのグラフベースインテント・セマンティック共同学習
- Authors: Zhengjia Wang, Qiang Sheng, Danding Wang, Beizhe Hu, Juan Cao,
- Abstract要約: 偽ニュース検出のためのグラフベースIntent-Semantic Joint Modeling(InSide)を提案する。
InSideはニュースセマンティクスと意図の信号を異種グラフ構造に再構成する。
- 参考スコア（独自算出の注目度）: 16.22231659861359
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fake news detection is an important and challenging task for defending online information integrity. Existing state-of-the-art approaches typically extract news semantic clues, such as writing patterns that include emotional words, stylistic features, etc. However, detectors tuned solely to such semantic clues can easily fall into surface detection patterns, which can shift rapidly in dynamic environments, leading to limited performance in the evolving news landscape. To address this issue, this paper investigates a novel perspective by incorporating news intent into fake news detection, bridging intents and semantics together. The core insight is that by considering news intents, one can deeply understand the inherent thoughts behind news deception, rather than the surface patterns within words alone. To achieve this goal, we propose Graph-based Intent-Semantic Joint Modeling (InSide) for fake news detection, which models deception clues from both semantic and intent signals via graph-based joint learning. Specifically, InSide reformulates news semantic and intent signals into heterogeneous graph structures, enabling long-range context interaction through entity guidance and capturing both holistic and implementation-level intent via coarse-to-fine intent modeling. To achieve better alignment between semantics and intents, we further develop a dynamic pathway-based graph alignment strategy for effective message passing and aggregation across these signals by establishing a common space. Extensive experiments on four benchmark datasets demonstrate the superiority of the proposed InSide compared to state-of-the-art methods.
- Abstract（参考訳）: フェイクニュース検出は、オンライン情報の完全性を守るための重要かつ困難なタスクである。
既存の最先端のアプローチは、感情的な言葉、スタイル的特徴などを含むパターンを書くなど、ニュースセマンティックなヒントを抽出するのが一般的である。
しかし、そのような意味的な手がかりのみに調整された検出器は、表面検出パターンに容易に陥り、動的環境において急速にシフトし、進化するニュースランドスケープにおける限られた性能をもたらす。
本稿では,ニュース意図をフェイクニュース検出,ブリッジインテント,セマンティクスに組み込むことにより,新たな視点を考察する。
中心となる洞察は、ニュースの意図を考えることで、単語の表層パターンではなく、ニュースの偽造の背後にある本質的な思考を深く理解することができるということである。
この目的を達成するために,我々は,グラフに基づく共同学習を通じて意味的および意図的両方の信号から偽の手がかりをモデル化する偽ニュース検出のためのグラフベースIntent-Semantic Joint Modeling (InSide)を提案する。
特に、InSideは、ニュースセマンティクスとインテント信号を異種グラフ構造に再構成し、エンティティガイダンスを通じて長距離コンテキストインタラクションを可能にし、粗いインテントモデリングにより、全体的および実装レベルのインテントの両方をキャプチャする。
セマンティクスと意図の整合性を向上するために,共通空間を確立することにより,これらの信号間の効果的なメッセージパッシングとアグリゲーションのための動的経路ベースのグラフアライメント戦略をさらに発展させる。
4つのベンチマークデータセットに対する大規模な実験は、提案したInSideが最先端の手法よりも優れていることを示す。
関連論文リスト
- SemGes: Semantics-aware Co-Speech Gesture Generation using Semantic Coherence and Relevance Learning [0.6249768559720122]
共同音声ジェスチャ生成における意味的接地のための新しい手法を提案する。
我々のアプローチは、ベクトル量子化された変分オートエンコーダによって、前もって動きを学習することから始まる。
提案手法は,2つのベンチマークにおいて,音声合成における最先端手法よりも優れる。
論文 参考訳（メタデータ） (2025-07-25T15:10:15Z) - Visual and Semantic Prompt Collaboration for Generalized Zero-Shot Learning [58.73625654718187]
一般化されたゼロショット学習は、異なるクラス間で共有される意味情報の助けを借りて、目に見えないクラスと見えないクラスの両方を認識することを目的としている。
既存のアプローチでは、視覚的バックボーンをルッククラスのデータで微調整し、セマンティックな視覚的特徴を得る。
本稿では,効率的な特徴適応のためのプロンプトチューニング技術を活用した,視覚的・意味的プロンプト協調フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-29T10:17:57Z) - Multi-view Fake News Detection Model Based on Dynamic Hypergraph [1.1970409518725493]
動的ハイパーグラフに基づくマルチビューフェイクニュース検出モデル(DHy-MFND)を提案する。
複数のニュース作品間の複雑な高次関係をモデル化するためにハイパーグラフ構造を用いる。
また、異なる視点にまたがる真正性関連埋め込みを捉えるために、対照的な学習を導入する。
論文 参考訳（メタデータ） (2024-12-26T14:05:51Z) - Dynamic Analysis and Adaptive Discriminator for Fake News Detection [59.41431561403343]
偽ニュース検出のための動的解析・適応識別器(DAAD)手法を提案する。
知識に基づく手法では,モンテカルロ木探索アルゴリズムを導入し,大規模言語モデルの自己表現能力を活用する。
意味に基づく手法では、偽ニュース生成のメカニズムを明らかにするために、典型的偽造パターンを4つ定義する。
論文 参考訳（メタデータ） (2024-08-20T14:13:54Z) - MSynFD: Multi-hop Syntax aware Fake News Detection [27.046529059563863]
ソーシャルメディアプラットフォームは、偽ニュースを急速に拡散させ、われわれの現実社会に脅威を与えている。
既存の方法は、フェイクニュースの検出を強化するために、マルチモーダルデータまたはコンテキスト情報を使用する。
本稿では,偽ニュースの微妙なひねりに対処するための補完構文情報を含む,新しいマルチホップ構文認識型偽ニュース検出手法を提案する。
論文 参考訳（メタデータ） (2024-02-18T05:40:33Z) - A Dynamic Graph Interactive Framework with Label-Semantic Injection for
Spoken Language Understanding [43.48113981442722]
本稿では,まずラベルのセマンティック情報を利用して,モデルに付加的な信号を与え,よりリッチな事前情報を与える,DGIFというフレームワークを提案する。
本稿では,ラベルセマンティクスの注入に基づく対話型グラフ構築手法を提案する。
論文 参考訳（メタデータ） (2022-11-08T05:57:46Z) - Contextual information integration for stance detection via
cross-attention [59.662413798388485]
スタンス検出は、著者の目標に対する姿勢を特定することを扱う。
既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。
文脈情報をテキストとして統合する手法を提案する。
論文 参考訳（メタデータ） (2022-11-03T15:04:29Z) - Fine-Grained Semantically Aligned Vision-Language Pre-Training [151.7372197904064]
大規模な視覚言語による事前学習は、幅広い下流タスクにおいて顕著な進歩を見せている。
既存の手法は主に、画像とテキストのグローバルな表現の類似性によって、モーダル間のアライメントをモデル化する。
ゲーム理論的相互作用の新たな視点から, 微粒なセマンティックアライメントを学習する, 微粒なセマンティックなvisiOn-langUage PrEトレーニングフレームワークであるLOを導入する。
論文 参考訳（メタデータ） (2022-08-04T07:51:48Z) - A Graph-based Interactive Reasoning for Human-Object Interaction
Detection [71.50535113279551]
本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。
In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。
私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
論文 参考訳（メタデータ） (2020-07-14T09:29:03Z)
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。