論文の概要: Detecting Coordinated Activities Through Temporal, Multiplex, and Collaborative Analysis

• arxiv url: http://arxiv.org/abs/2512.19677v1
• Date: Mon, 22 Dec 2025 18:53:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.887294
• Title: Detecting Coordinated Activities Through Temporal, Multiplex, and Collaborative Analysis
• Title（参考訳）: 時間・多重・協調分析による協調活動の検出
• Authors: Letizia Iannucci, Elisa Muratore, Antonis Matakos, Mikko Kivelä,
• Abstract要約: 協調キャンペーンは 同様の時間的行動パターンの 証拠によって特徴づけられる 複数のオンラインモダリティにまたがる複雑な協調パターンをモデル化する枠組みを提案する。 この結果から,多重時間認識モデルが協調群の同定に優れていることが示唆された。
• 参考スコア（独自算出の注目度）: 2.7415651415305597
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the era of widespread online content consumption, effective detection of coordinated efforts is crucial for mitigating potential threats arising from information manipulation. Despite advances in isolating inauthentic and automated actors, the actions of individual accounts involved in influence campaigns may not stand out as anomalous if analyzed independently of the coordinated group. Given the collaborative nature of information operations, coordinated campaigns are better characterized by evidence of similar temporal behavioral patterns that extend beyond coincidental synchronicity across a group of accounts. We propose a framework to model complex coordination patterns across multiple online modalities. This framework utilizes multiplex networks to first decompose online activities into different interaction layers, and subsequently aggregate evidence of online coordination across the layers. In addition, we propose a time-aware collaboration model to capture patterns of online coordination for each modality. The proposed time-aware model builds upon the node-normalized collaboration model and accounts for repetitions of coordinated actions over different time intervals by employing an exponential decay temporal kernel. We validate our approach on multiple datasets featuring different coordinated activities. Our results demonstrate that a multiplex time-aware model excels in the identification of coordinating groups, outperforming previously proposed methods in coordinated activity detection.
• Abstract（参考訳）: オンラインコンテンツの普及期には,情報操作による潜在的な脅威を軽減するために,協調作業の効果的な検出が不可欠である。 不正確なアクターと自動アクターの分離の進歩にもかかわらず、影響キャンペーンに関わる個々のアカウントのアクションは、調整されたグループとは独立して分析された場合、異常として際立たない。 情報操作の協調性を考えると、協調されたキャンペーンは、複数のアカウント間で偶然の同期を超えて広がる同様の時間的行動パターンの証拠によってより特徴付けられる。 複数のオンラインモダリティにまたがる複雑な協調パターンをモデル化する枠組みを提案する。 このフレームワークは、マルチプレックスネットワークを使用して、まずオンラインアクティビティを異なる相互作用層に分解し、その後、レイヤ間のオンラインコーディネーションの証拠を集約する。 さらに,各モダリティに対するオンラインコーディネーションのパターンを捉えるための時間認識協調モデルを提案する。 提案した時間認識モデルはノード正規化協調モデルに基づいており、指数関数的減衰時間カーネルを用いて異なる時間間隔で協調された動作を繰り返し行う。 異なる協調アクティビティを特徴とする複数のデータセットに対するアプローチを検証する。 この結果から,複数時間対応モデルが協調群同定に優れており,従来提案されていた協調行動検出法よりも優れていたことが示唆された。

関連論文リスト

• JointDiff: Bridging Continuous and Discrete in Multi-Agent Trajectory Generation [75.58351043849385]
  生成モデルは、しばしば連続したデータと離散的なイベントを別々のプロセスとして扱う。 このギャップを埋めるために、連続時間データと同期離散イベントを同時に生成してこれらの2つのプロセス間の相互作用を設計した新しい拡散フレームワークであるJointDiffを導入する。 JointDiffは最先端のパフォーマンスを実現し、インタラクティブシステムのための現実的で制御可能なモデルを構築するために、ジョイントモデリングが不可欠であることを実証している。
  論文  参考訳（メタデータ） (2025-09-26T16:04:00Z)
• Multimodal Coordinated Online Behavior: Trade-offs and Strategies [1.9651052909588413]
  協調したオンライン行動は、デジタルエコシステム分析において重要な焦点となっている。 伝統的な手法は、単一のタイプの相互作用に焦点をあてて、しばしばモノモーダルなアプローチに依存する。 本研究では,多モード協調動作検出の動作方法の比較を行った。
  論文  参考訳（メタデータ） (2025-07-16T10:25:45Z)
• Offline Multi-agent Reinforcement Learning via Score Decomposition [51.23590397383217]
  オフライン協調型マルチエージェント強化学習(MARL)は、分散シフトによる固有の課題に直面している。 この作業は、オフラインとオンラインのMARL間の分散ギャップを明示的に解決する最初の作業である。
  論文  参考訳（メタデータ） (2025-05-09T11:42:31Z)
• Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
  利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。 本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。 我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
  論文  参考訳（メタデータ） (2024-10-24T10:48:42Z)
• An Effective-Efficient Approach for Dense Multi-Label Action Detection [23.100602876056165]
  i)時間的依存関係と(ii)共起行動関係を同時に学習する必要がある。 近年のアプローチは階層型トランスフォーマーネットワークによるマルチスケール特徴抽出による時間情報のモデル化である。 我々はこれを階層設計における複数のサブサンプリングプロセスと組み合わせることで、位置情報のさらなる喪失につながると論じている。
  論文  参考訳（メタデータ） (2024-06-10T11:33:34Z)
• Discovering group dynamics in coordinated time series via hierarchical recurrent switching-state models [5.250223406627639]
  我々は、複数の相互作用する実体(つまり「エージェント」)から生じる時系列の集合に対する計算学的に効率的なモデルを求める。 個人間の時間パターンの最近のモデルでは、個々の実体の軌跡に影響を与える可能性のある明示的なシステムレベルの集団行動が組み込まれていない。 我々は、遅延系レベル離散状態マルコフ連鎖を用いて、遅延系レベルチェーンにトップダウンの影響を与え、各観測時系列の排出を制御している。
  論文  参考訳（メタデータ） (2024-01-26T16:06:01Z)
• Causal Temporal Regime Structure Learning [49.77103348208835]
  本稿では,DAG(Directed Acyclic Graph)を並列に学習する新しい手法であるCASTORを提案する。 我々は我々の枠組みの中で体制とDAGの識別可能性を確立する。 実験により、CASTORは既存の因果発見モデルより一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-02T17:26:49Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
  本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。 チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
  論文  参考訳（メタデータ） (2022-10-17T07:16:44Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)
• Temporal Nuances of Coordination Network Semantics [0.0]
  ソーシャルメディア上での協調的不正確な行動を検出する方法は、共通の「行動痕跡」に基づくアカウント間のリンクの推測に焦点をあてる ネットワークのセマンティクスの調整,ネットワーク構築の調整,3つの政治的Twitterデータセットの関連観測,ソーシャルボットの公開におけるチアリーダーの役割に関する予備研究について述べる。
  論文  参考訳（メタデータ） (2021-07-06T13:05:12Z)
• A General Method to Find Highly Coordinating Communities in Social Media through Inferred Interaction Links [13.264683014487376]
  政治的誤報、占い、組織化されたトロリングは、オンラインの悪意ある行動であり、現実世界に重大な影響を及ぼす。 本稿では,アカウントのインタラクションとメタデータのみに依存する新しい時間的ウィンドウ手法を提案する。 さまざまな行動に関わるアカウントのグループを検出し、それを協調して、異なる目標ベースの戦略を実行する。
  論文  参考訳（メタデータ） (2021-03-05T00:48:23Z)
• CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection [91.91911418421086]
  Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。 課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。 我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T04:28:11Z)

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。