論文の概要: Cross-Domain Fake News Detection on Unseen Domains via LLM-Based Domain-Aware User Modeling
- arxiv url: http://arxiv.org/abs/2602.01726v1
- Date: Mon, 02 Feb 2026 07:04:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.968415
- Title: Cross-Domain Fake News Detection on Unseen Domains via LLM-Based Domain-Aware User Modeling
- Title（参考訳）: LLM-based Domain-Aware User Modeling による未確認ドメインのクロスドメインフェイクニュース検出
- Authors: Xuankai Yang, Yan Wang, Jiajie Zhu, Pengfei Ding, Hongyang Liu, Xiuzhen Zhang, Huan Liu,
- Abstract要約: クロスドメイン偽ニュース検出(CD-FND)は、ソースドメインからターゲットドメインに知識を転送する。
既存のCD-FND手法は、ニュースやユーザエンゲージメントにおけるハイレベルセマンティクスのモデリングが不十分である。
未確認領域における偽ニュース検出のための新しいLLMベースのドメイン認識フレームワークであるDAUDを提案する。
- 参考スコア（独自算出の注目度）: 15.262625499625484
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cross-domain fake news detection (CD-FND) transfers knowledge from a source domain to a target domain and is crucial for real-world fake news mitigation. This task becomes particularly important yet more challenging when the target domain is previously unseen (e.g., the COVID-19 outbreak or the Russia-Ukraine war). However, existing CD-FND methods overlook such scenarios and consequently suffer from the following two key limitations: (1) insufficient modeling of high-level semantics in news and user engagements; and (2) scarcity of labeled data in unseen domains. Targeting these limitations, we find that large language models (LLMs) offer strong potential for CD-FND on unseen domains, yet their effective use remains non-trivial. Nevertheless, two key challenges arise: (1) how to capture high-level semantics from both news content and user engagements using LLMs; and (2) how to make LLM-generated features more reliable and transferable for CD-FND on unseen domains. To tackle these challenges, we propose DAUD, a novel LLM-Based Domain-Aware framework for fake news detection on Unseen Domains. DAUD employs LLMs to extract high-level semantics from news content. It models users' single- and cross-domain engagements to generate domain-aware behavioral representations. In addition, DAUD captures the relations between original data-driven features and LLM-derived features of news, users, and user engagements. This allows it to extract more reliable domain-shared representations that improve knowledge transfer to unseen domains. Extensive experiments on real-world datasets demonstrate that DAUD outperforms state-of-the-art baselines in both general and unseen-domain CD-FND settings.
- Abstract（参考訳）: クロスドメインフェイクニュース検出(CD-FND)は、ソースドメインからターゲットドメインに知識を伝達し、現実世界のフェイクニュースの軽減に不可欠である。
このタスクは、ターゲットドメインがこれまで見えなかった場合(例えば、新型コロナウイルスの感染拡大や、ロシアとウクライナの戦争)に、特に重要でより困難なものになる。
しかし,既存のCD-FND手法では,(1)ニュースやユーザエンゲージメントにおけるハイレベルなセマンティクスのモデリングが不十分であること,(2)未確認領域におけるラベル付きデータの不足,という2つの制約が生じる。
これらの制限を目標とすると、大きな言語モデル(LLM)は、見えない領域でCD-FNDに強い可能性をもたらすが、有効利用は依然として容易ではない。
それにもかかわらず、(1)LLMを用いてニュースコンテンツとユーザエンゲージメントの両方からハイレベルなセマンティクスをキャプチャする方法、(2)未確認領域におけるCD-FNDの信頼性と転送性を高める方法、の2つの大きな課題が生じる。
これらの課題に対処するため,未確認領域における偽ニュース検出のための新しいLLMベースのドメイン認識フレームワークであるDAUDを提案する。
DAUDはLLMを用いてニュースコンテンツから高いレベルの意味を抽出する。
ユーザのシングルドメインとクロスドメインのエンゲージメントをモデル化して、ドメイン対応の振る舞い表現を生成する。
さらにDAUDは、オリジナルのデータ駆動機能とLLMから派生したニュース、ユーザ、ユーザエンゲージメントの関係をキャプチャする。
これにより、未知のドメインへの知識伝達を改善する、より信頼性の高いドメイン共有表現を抽出できる。
実世界のデータセットに対する大規模な実験により、DAUDは一般的な領域と見えない領域のCD-FND設定の両方において最先端のベースラインを上回っていることが示された。
関連論文リスト
- LLM-EDT: Large Language Model Enhanced Cross-domain Sequential Recommendation with Dual-phase Training [53.539682966282534]
クロスドメインシーケンスレコメンデーション (CDSR) は、様々なドメインからの情報を取り入れることで、ユーザとイテムのインタラクションを強化するために提案されている。
現在の進歩にもかかわらず、不均衡問題と移行問題はCDSRのさらなる発展を妨げる。
デュアルフェーズトレーニング(LLM-EDT)によるLLMの拡張型クロスドメインシーケンスレコメンデーションを提案する。
論文 参考訳（メタデータ） (2025-11-25T05:18:04Z) - A Macro- and Micro-Hierarchical Transfer Learning Framework for Cross-Domain Fake News Detection [26.078838508339057]
クロスドメイン偽ニュース検出は、ドメインシフトを緩和し、ドメイン間で知識を伝達することで検出性能を向上させることを目的としている。
既存のアプローチは、ニュースコンテンツとユーザエンゲージメントに基づいた知識をソースドメインからターゲットドメインに転送する。
クロスドメイン偽ニュース検出のための新しいマクロおよびマイクロ階層変換学習フレームワーク(MMHT)を提案する。
論文 参考訳（メタデータ） (2025-02-20T09:39:44Z) - Data-Efficient CLIP-Powered Dual-Branch Networks for Source-Free Unsupervised Domain Adaptation [4.7589762171821715]
Source-free Unsupervised Domain Adaptation (SF-UDA) は、ソースサンプルに直接アクセスすることなく、ラベル付きソースドメインからラベルなしターゲットドメインにモデルのパフォーマンスを転送することを目的としている。
データ効率のよいCLIP方式のデュアルブランチネットワーク(CDBN)を導入し、限られたソースデータとプライバシの問題に対処する。
CDBNは、7つのデータセット上の31の転送タスクにわたる既存のメソッドよりもはるかに少ないソースドメインサンプルで、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2024-10-21T09:25:49Z) - Exploring User Retrieval Integration towards Large Language Models for Cross-Domain Sequential Recommendation [66.72195610471624]
Cross-Domain Sequential Recommendationは、異なるドメイン間でユーザのシーケンシャルな好みをマイニングし、転送することを目的としている。
本稿では,ユーザ検索手法を探索し,CDSRの性能向上を目的とした URLLM という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-05T09:19:54Z) - Can Out-of-Domain data help to Learn Domain-Specific Prompts for Multimodal Misinformation Detection? [14.722270908687216]
ドメイン固有のPromptチューニングは、トレーニング中にドメイン外のデータを利用して、すべての望ましいドメインの偽ニュース検出を同時に改善する。
大規模なNewsCLIPpingとVERITEベンチマークの実験は、DPODがこの課題に対して最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2023-11-27T08:49:26Z) - A Two-Stage Framework with Self-Supervised Distillation For Cross-Domain Text Classification [46.47734465505251]
クロスドメインテキスト分類は、ラベル付きデータを持たないターゲットドメインにモデルを適応させることを目的としている。
クロスドメインテキスト分類のための2段階フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-18T06:21:40Z) - ME-D2N: Multi-Expert Domain Decompositional Network for Cross-Domain
Few-Shot Learning [95.78635058475439]
クロスドメインのFew-Shot Learningは、異なるドメインにわたるFew-Shot Learning問題に対処することを目的としている。
本稿では,ME-D2N(Multi-Expert Domain Decompositional Network)を技術的に貢献する。
本稿では,学生モデルを2つの領域関連部分に分解する新しい領域分解モジュールを提案する。
論文 参考訳（メタデータ） (2022-10-11T09:24:47Z) - Multi-Modal Cross-Domain Alignment Network for Video Moment Retrieval [55.122020263319634]
ビデオモーメント検索(VMR)は、与えられた言語クエリに従って、未編集のビデオからターゲットモーメントをローカライズすることを目的としている。
本稿では、新しいタスクであるクロスドメインVMRに焦点を当て、完全なアノテーション付きデータセットをひとつのドメインで利用できるが、関心のあるドメインは、注釈なしのデータセットのみを含む。
本稿では、アノテーションの知識をソースドメインからターゲットドメインに転送するマルチモーダル・クロスドメインアライメント・ネットワークを提案する。
論文 参考訳（メタデータ） (2022-09-23T12:58:20Z) - Improving Fake News Detection of Influential Domain via Domain- and
Instance-Level Transfer [16.886024206337257]
フェイクニュース検出(DITFEND)のためのドメインレベルおよびインスタンスレベルの転送フレームワークを提案する。
DITFENDは特定のターゲットドメインの性能を向上させることができる。
オンライン実験は、現実世界のシナリオにおいて、ベースモデルにさらなる改善をもたらすことを示している。
論文 参考訳（メタデータ） (2022-09-19T10:21:13Z) - IDM: An Intermediate Domain Module for Domain Adaptive Person Re-ID [58.46907388691056]
ソースとターゲットドメイン間のブリッジは、UDA re-IDタスクに対処するために有効である、と我々は主張する。
中間ドメインの表現をオンザフライで生成するための中間ドメインモジュール(IDM)を提案する。
提案手法は,UDAのre-IDタスクに共通するタスクにおいて,最先端のタスクよりも大きなマージンで性能を向上する。
論文 参考訳（メタデータ） (2021-08-05T07:19:46Z)
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。