論文の概要: Structure-aware Propagation Generation with Large Language Models for Fake News Detection

• arxiv url: http://arxiv.org/abs/2510.12125v1
• Date: Tue, 14 Oct 2025 03:54:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.182539
• Title: Structure-aware Propagation Generation with Large Language Models for Fake News Detection
• Title（参考訳）: フェイクニュース検出のための大規模言語モデルを用いた構造認識伝搬生成
• Authors: Mengyang Chen, Lingwei Wei, Wei Zhou, Songlin Hu,
• Abstract要約: ソーシャルメディアでのフェイクニュースの拡散は、公衆の信頼と社会的安定に深刻な脅威をもたらす。 最近の研究は、大規模な言語モデル(LLM)を利用して合成伝搬を生成するが、一般的には現実世界の議論の構造パターンを見落としている。 本研究では, 実伝搬から構造力学を完全に捉えるために, 構造認識型合成伝搬強調検出(StruSP)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 24.329699288691913
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The spread of fake news on social media poses a serious threat to public trust and societal stability. While propagation-based methods improve fake news detection by modeling how information spreads, they often suffer from incomplete propagation data. Recent work leverages large language models (LLMs) to generate synthetic propagation, but typically overlooks the structural patterns of real-world discussions. In this paper, we propose a novel structure-aware synthetic propagation enhanced detection (StruSP) framework to fully capture structural dynamics from real propagation. It enables LLMs to generate realistic and structurally consistent propagation for better detection. StruSP explicitly aligns synthetic propagation with real-world propagation in both semantic and structural dimensions. Besides, we also design a new bidirectional evolutionary propagation (BEP) learning strategy to better align LLMs with structural patterns of propagation in the real world via structure-aware hybrid sampling and masked propagation modeling objective. Experiments on three public datasets demonstrate that StruSP significantly improves fake news detection performance in various practical detection scenarios. Further analysis indicates that BEP enables the LLM to generate more realistic and diverse propagation semantically and structurally.
• Abstract（参考訳）: ソーシャルメディアでのフェイクニュースの拡散は、公衆の信頼と社会的安定に深刻な脅威をもたらす。 伝播に基づく手法は、情報の拡散をモデル化することでフェイクニュースの検出を改善するが、不完全な伝搬データに悩まされることが多い。 最近の研究は、大規模な言語モデル(LLM)を活用して合成伝搬を生成するが、現実の議論の構造パターンを見落としているのが一般的である。 本稿では, 実伝搬から構造力学を完全に捉えるために, 構造対応型合成伝搬強調検出(StruSP)フレームワークを提案する。 LLMは現実的で構造的に一貫した伝搬を生成し、より優れた検出を可能にする。 StruSPは、意味的次元と構造的次元の両方において、合成的伝播と実世界の伝播とを明示的に整合させる。 さらに,LLMを構造認識型ハイブリッドサンプリングとマスク付き伝搬モデリングの目的により,実世界の伝搬パターンに整合させる新たな双方向進化伝搬(BEP)学習戦略を設計する。 3つの公開データセットの実験により、StruSPは様々な実用的な検出シナリオにおいて、偽ニュース検出性能を著しく改善することが示された。 さらなる分析は、BEPがLLMをより現実的で多様な伝播を意味的に、構造的に生成できることを示している。

関連論文リスト

• The Shape of Adversarial Influence: Characterizing LLM Latent Spaces with Persistent Homology [4.280045926995889]
  本研究では,大規模言語モデルの内部表現空間に対して,逆入力が体系的にどう影響するかに着目した。 アクティベーションの形状と神経情報の流れを定量化することにより、アーキテクチャに依存しない枠組みは、表現的変化の基本的な不変性を明らかにする。
  論文  参考訳（メタデータ） (2025-05-26T18:31:49Z)
• LLMSynthor: Macro-Aligned Micro-Records Synthesis with Large Language Models [20.767947974005168]
  LLM Synthorは、ターゲットのマクロ統計と一致した現実的なマイクロレコードを生成するマクロ認識シミュレータである。 合成データセットを反復的に構築し、合成アグリゲーションとターゲットアグリゲーションの差を最小限に抑える。 強力な現実主義、統計的忠実さ、実用性を実現し、経済学、社会科学、都市研究に広く応用されている。
  論文  参考訳（メタデータ） (2025-05-20T13:35:38Z)
• StructSR: Refuse Spurious Details in Real-World Image Super-Resolution [35.1930212334597]
  StructSRは、構造的忠実性を高め、拡散に基づくReal-ISRの急激な詳細を抑制する、シンプルで効果的で、プラグアンドプレイの手法である。 中心となるのがStructure-Aware Screeningメカニズムで、初期の推論段階での低解像度(LR)入力と最も構造的に類似したイメージを識別する。 実験の結果,StructSRは構造とテクスチャの忠実度を著しく改善し,PSNRおよびSSIMの指標を合成データセット(DIV2K-Val)で平均5.27%,9.36%,2で4.13%,8.64%改善した。
  論文  参考訳（メタデータ） (2025-01-10T08:18:37Z)
• Structure Language Models for Protein Conformation Generation [66.42864253026053]
  伝統的な物理学に基づくシミュレーション手法は、しばしばサンプリング平衡整合に苦しむ。 深い生成モデルは、より効率的な代替としてタンパク質のコンホメーションを生成することを約束している。 本稿では,効率的なタンパク質コンホメーション生成のための新しいフレームワークとして構造言語モデリングを紹介する。
  論文  参考訳（メタデータ） (2024-10-24T03:38:51Z)
• 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)
• WorldGPT: Empowering LLM as Multimodal World Model [51.243464216500975]
  MLLM(Multimodal Large Language Model)に基づく汎用世界モデルWorldGPTを紹介する。 WorldGPTは、さまざまなドメインにまたがる数百万のビデオを分析して、世界ダイナミクスの理解を得る。 マルチモーダル状態遷移予測ベンチマークWorldNetの評価を行う。
  論文  参考訳（メタデータ） (2024-04-28T14:42:02Z)
• LasUIE: Unifying Information Extraction with Latent Adaptive Structure-aware Generative Language Model [96.889634747943]
  全ての典型的な情報抽出タスク(UIE)を1つの生成言語モデル(GLM)で普遍的にモデル化し、大きな可能性を明らかにした。 UIE のための構文知識のパワーを完全に解放する構造対応 GLM を提案する。 7つのタスクにわたるIEベンチマークが12以上あり、私たちのシステムはベースラインのUIEシステムよりも大幅に改善されていることを示しています。
  論文  参考訳（メタデータ） (2023-04-13T04:01:14Z)
• No Place to Hide: Dual Deep Interaction Channel Network for Fake News Detection based on Data Augmentation [16.40196904371682]
  本稿では,意味,感情,データ強化の観点から,偽ニュース検出のための新しいフレームワークを提案する。 セマンティックと感情の2つのディープインタラクションチャネルネットワークは、より包括的できめ細かなニュース表現を得るために設計されている。 実験の結果,提案手法は最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-03-31T13:33:53Z)
• Style-Hallucinated Dual Consistency Learning for Domain Generalized Semantic Segmentation [117.3856882511919]
  本稿では、ドメインシフトを処理するためのStyle-HAllucinated Dual consistEncy Learning(SHADE)フレームワークを提案する。 SHADEは3つの実世界のデータセットの平均mIoUに対して5.07%と8.35%の精度で改善し、最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-06T02:49:06Z)

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。