論文の概要: Verifying Rumors via Stance-Aware Structural Modeling

• arxiv url: http://arxiv.org/abs/2512.13559v1
• Date: Mon, 15 Dec 2025 17:16:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.775195
• Title: Verifying Rumors via Stance-Aware Structural Modeling
• Title（参考訳）: スタンス・アウェア構造モデリングによる噂の検証
• Authors: Gibson Nkhata, Uttamasha Anjally Oyshi, Quan Mai, Susan Gauch,
• Abstract要約: 本稿では,各ポストをそのスタンス信号で符号化し,スタンスカテゴリによる返信埋め込みを集約するスタンスアウェアな構造モデリングを提案する。 提案手法は,噂の真偽を予測する能力において,従来の手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 1.5499426028105903
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Verifying rumors on social media is critical for mitigating the spread of false information. The stances of conversation replies often provide important cues to determine a rumor's veracity. However, existing models struggle to jointly capture semantic content, stance information, and conversation strructure, especially under the sequence length constraints of transformer-based encoders. In this work, we propose a stance-aware structural modeling that encodes each post in a discourse with its stance signal and aggregates reply embedddings by stance category enabling a scalable and semantically enriched representation of the entire thread. To enhance structural awareness, we introduce stance distribution and hierarchical depth as covariates, capturing stance imbalance and the influence of reply depth. Extensive experiments on benchmark datasets demonstrate that our approach significantly outperforms prior methods in the ability to predict truthfulness of a rumor. We also demonstrate that our model is versatile for early detection and cross-platfrom generalization.
• Abstract（参考訳）: ソーシャルメディア上での噂の検証は、偽情報の拡散を緩和するために重要である。 会話応答の姿勢は、しばしば噂の正確性を決定する重要な手がかりを提供する。 しかし、既存のモデルは、特にトランスフォーマーベースのエンコーダのシーケンス長制約の下で、セマンティックコンテンツ、スタント情報、会話のストラクチャーを共同で捉えるのに苦労している。 本研究では,各ポストをその姿勢信号と対話して符号化し,スレッド全体のスケーラブルで意味的にリッチな表現を可能にするスタンスカテゴリによって応答埋め込みを集約するスタンスアウェアな構造モデリングを提案する。 構造意識を高めるために,姿勢分布と階層深度を共変量として導入し,姿勢の不均衡と応答深度の影響を捉えた。 ベンチマークデータセットの大規模な実験により、我々の手法は、噂の真偽を予測する能力において、従来の手法よりも大幅に優れていることが示された。 また,本モデルが早期検出およびクロスプレート一般化に有用であることを示す。

関連論文リスト

• Plug-and-Play Clarifier: A Zero-Shot Multimodal Framework for Egocentric Intent Disambiguation [60.63465682731118]
  エゴセントリックなAIエージェントのパフォーマンスは、基本的にマルチモーダルな意図のあいまいさによって制限される。 ゼロショットでモジュラーなフレームワークであるPlug-and-Play Clarifierを導入し、問題を個別に解決可能なサブタスクに分解する。 我々のフレームワークは,小言語モデルの意図的明確化性能を約30%向上させ,より大きな言語モデルとの競争力を高める。
  論文  参考訳（メタデータ） (2025-11-12T04:28:14Z)
• Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
  本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。 注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。 被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
  論文  参考訳（メタデータ） (2025-09-26T07:11:55Z)
• How do Transformers Learn Implicit Reasoning? [67.02072851088637]
  制御されたシンボリック環境下でトランスフォーマーをスクラッチからトレーニングすることで、暗黙のマルチホップ推論がどのように現れるかを研究する。 原子三重項によるトレーニングは必要ではなく学習を加速し,第2ホップの一般化は特定の構成構造へのクエリレベル露出に依存する。
  論文  参考訳（メタデータ） (2025-05-29T17:02:49Z)
• Investigating Disentanglement in a Phoneme-level Speech Codec for Prosody Modeling [39.80957479349776]
  本稿では,RVQ-VAEモデルの離散空間の韻律モデリング機能について検討し,音素レベルでの操作を可能とした。 音素レベルの離散潜在表現は, 頑健かつ伝達可能な微細な韻律情報を捕捉し, 高いアンタングル化を実現することを示す。
  論文  参考訳（メタデータ） (2024-09-13T09:27:05Z)
• Semantic Evolvement Enhanced Graph Autoencoder for Rumor Detection [25.03964361177406]
  本稿では,GARDモデルのための新しい意味進化拡張グラフオートエンコーダを提案する。 このモデルは、局所的な意味変化とグローバルな意味進化情報をキャプチャすることで、事象の意味進化情報を学ぶ。 噂や非噂の異なるパターンを学習するモデルの能力を高めるために,モデルの性能をさらに向上させるレギュレータを導入する。
  論文  参考訳（メタデータ） (2024-04-24T05:05:58Z)
• Rate-Distortion-Perception Theory for Semantic Communication [73.04341519955223]
  シンボル歪みおよび意味知覚制約下での意味コミュニケーションの達成可能なデータレートについて検討する。 我々は、受信者が特定の歪みや知覚の制約を満たす意味情報ソースを直接推測できるケースが存在することを観察する。
  論文  参考訳（メタデータ） (2023-12-09T02:04:32Z)
• Disentanglement via Latent Quantization [60.37109712033694]
  本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。 本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
  論文  参考訳（メタデータ） (2023-05-28T06:30:29Z)
• 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)
• 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)
• Analysis of Joint Speech-Text Embeddings for Semantic Matching [3.6423306784901235]
  ペア音声と書き起こし入力の距離を最小化することにより,セマンティックマッチングのために訓練された共同音声テキスト埋め込み空間について検討する。 我々は,事前学習とマルチタスクの両方のシナリオを通じて,音声認識を組み込む方法を拡張した。
  論文  参考訳（メタデータ） (2022-04-04T04:50:32Z)
• Focus-Constrained Attention Mechanism for CVAE-based Response Generation [27.701626908931267]
  潜伏変数は、談話レベルの情報をキャプチャし、ターゲット応答の通知性を促進する。 粗粒度談話レベル情報を細粒度語レベル情報に変換する。 我々のモデルは、いくつかの最先端モデルと比較して、より多様で情報的な応答を生成することができる。
  論文  参考訳（メタデータ） (2020-09-25T09:38:59Z)

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。