論文の概要: DREAMS: A Social Exchange Theory-Informed Modeling of Misinformation Engagement on Social Media
- arxiv url: http://arxiv.org/abs/2602.01567v1
- Date: Mon, 02 Feb 2026 03:02:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.858783
- Title: DREAMS: A Social Exchange Theory-Informed Modeling of Misinformation Engagement on Social Media
- Title（参考訳）: DREAMS:ソーシャルメディアにおける誤情報エンゲージメントのモデル化
- Authors: Lin Tian, Marian-Andrei Rizoiu,
- Abstract要約: textscDreamsは、誤情報のエンゲージメントをソーシャル交換の動的なプロセスとしてモデル化する、ソーシャル交換理論に基づくフレームワークである。
textscDreamsは、誤った情報のエンゲージメントを予測する際に最先端のパフォーマンスを達成し、平均的な絶対的なパーセンテージエラーは19.25$%に達する。
- 参考スコア（独自算出の注目度）: 3.5005774502836995
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media engagement prediction is a central challenge in computational social science, particularly for understanding how users interact with misinformation. Existing approaches often treat engagement as a homogeneous time-series signal, overlooking the heterogeneous social mechanisms and platform designs that shape how misinformation spreads. In this work, we ask: ``Can neural architectures discover social exchange principles from behavioral data alone?'' We introduce \textsc{Dreams} (\underline{D}isentangled \underline{R}epresentations and \underline{E}pisodic \underline{A}daptive \underline{M}odeling for \underline{S}ocial media misinformation engagements), a social exchange theory-guided framework that models misinformation engagement as a dynamic process of social exchange. Rather than treating engagement as a static outcome, \textsc{Dreams} models it as a sequence-to-sequence adaptation problem, where each action reflects an evolving negotiation between user effort and social reward conditioned by platform context. It integrates adaptive mechanisms to learn how emotional and contextual signals propagate through time and across platforms. On a cross-platform dataset spanning $7$ platforms and 2.37M posts collected between 2021 and 2025, \textsc{Dreams} achieves state-of-the-art performance in predicting misinformation engagements, reaching a mean absolute percentage error of $19.25$\%. This is a $43.6$\% improvement over the strongest baseline. Beyond predictive gains, the model reveals consistent cross-platform patterns that align with social exchange principles, suggesting that integrating behavioral theory can enhance empirical modeling of online misinformation engagement. The source code is available at: https://github.com/ltian678/DREAMS.
- Abstract（参考訳）: ソーシャルメディアのエンゲージメント予測は、特にユーザーが誤情報とどのように相互作用するかを理解するために、計算社会科学における中心的な課題である。
既存のアプローチでは、エンゲージメントを均質な時系列信号として扱うことが多く、不均一な社会的メカニズムや、誤った情報の拡散を形作るプラットフォームデザインを見渡せる。
行動データのみから社会交換の原則を発見できるのか?' 私たちは、社会交換理論に基づく社会交換理論に基づくフレームワークである、社会交換のダイナミックなプロセスとして、誤情報エンゲージメントをモデル化する、社会交換理論に基づくフレームワークである、(\underline{D}isentangled \underline{R}epresentations and \underline{E}pisodic \underline{A}daptive \underline{M}odeling for \underline{S}ocial media misinformation engagements)。
エンゲージメントを静的な結果として扱うのではなく、‘textsc{Dreams} はそれをシーケンスからシーケンスへの適応問題としてモデル化する。
適応的なメカニズムを統合して、時間とプラットフォームを横断して、感情的および文脈的な信号がどのように伝播するかを学ぶ。
2021年から2025年の間に収集された7億ドルのプラットフォームと2.37Mのポストにまたがるクロスプラットフォームデータセット上で、‘textsc{Dreams}’は、誤った情報のエンゲージメントを予測する最先端のパフォーマンスを達成し、平均的な絶対的なパーセンテージエラー19.25$\%に達する。
これは最強のベースラインに対する43.6$\%の改善である。
予測的ゲイン以外にも、このモデルでは、社会的交換原則に沿った一貫したクロスプラットフォームパターンが明らかにされており、行動理論の統合は、オンラインの誤情報エンゲージメントの実証的なモデリングを促進する可能性があることを示唆している。
ソースコードは、https://github.com/ltian678/DREAMSで入手できる。
関連論文リスト
- DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。
世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。
一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
論文 参考訳（メタデータ） (2025-07-26T12:13:30Z) - Burger: Robust Graph Denoising-augmentation Fusion and Multi-semantic Modeling in Social Recommendation [28.567270036753886]
ラウンドアラインバストガンダーラインラフ・デノワシンアンダーライン・アンダーライン・フュージョンとマルチサンダーライン・マンティック・モデリング(バーガー)を用いたソーシャル・アンダーライン勧告モデルを導入する。
ユーザ・イテムインタラクション・ネットワークとソーシャルネットワークの異なるセマンティック・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・ネットワークにおけるセマンティック・インフォメーション・インフォメーション・インフォメーション・インフォメー
論文 参考訳（メタデータ） (2025-05-10T11:51:22Z) - Contrastive Learning Augmented Social Recommendations [6.597090954336996]
本稿では,行動モデルからの関心表現を豊かにするために,社会関係グラフを活用することを提案する。
そこで我々は,低ランクなSVDをユーザ・イテム相互作用行列に採用し,二重視点の認知型ソーシャルグラフを構築した。
我々は「相互蒸留」技術を用いて、元の利益を社会的・行動的利益と社会的・行動特異的利益に分離する。
論文 参考訳（メタデータ） (2025-01-03T16:29:51Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
独立サブネットワークトレーニング(IST)の理論的考察
ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。
圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
論文 参考訳（メタデータ） (2023-06-28T18:14:22Z) - Crowding out the truth? A simple model of misinformation, polarization
and meaningful social interactions [0.0]
ランキングアルゴリズムの重要なパラメータ、すなわち人気度とパーソナライズパラメータが、プラットフォームエンゲージメント、誤情報、偏光の尺度に与える影響を評価する。
その結果、オンラインソーシャルインタラクションやパーソナライズされたコンテンツに割り当てられる重みの増大は、ソーシャルメディアプラットフォーム上でのエンゲージメントを増大させる一方で、誤情報や偏光を増大させる可能性が示唆された。
論文 参考訳（メタデータ） (2022-10-05T13:26:08Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - SocAoG: Incremental Graph Parsing for Social Relation Inference in
Dialogues [112.94918467195637]
対話から社会的関係を推定することは、感情的に知的なロボットを構築するのに不可欠である。
我々は、グループ間の関係の整合性のために、SocAoGという名前のAnd-or Graphとしてソーシャルネットワークをモデル化する。
DialogRE と MovieGraph の実証実験結果から,我々のモデルは最先端の手法よりも社会的関係を正確に推定できることがわかった。
論文 参考訳（メタデータ） (2021-06-02T08:07:42Z) - Recursive Social Behavior Graph for Trajectory Prediction [49.005219590582676]
我々は、グループベースのアノテーションによって管理される社会表現を、再帰的社会行動グラフと呼ばれる社会行動グラフに定式化する。
再帰的社会行動グラフ(Recursive Social Behavior Graph)のガイダンスにより、EDHおよびUCYデータセットにおける最先端の手法をADEの11.1%、FDEの10.8%で上回る。
論文 参考訳（メタデータ） (2020-04-22T06:01:48Z)
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。