論文の概要: Toward Effective Multi-Domain Rumor Detection in Social Networks Using Domain-Gated Mixture-of-Experts

• arxiv url: http://arxiv.org/abs/2602.21214v1
• Date: Wed, 28 Jan 2026 16:28:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 07:21:25.649389
• Title: Toward Effective Multi-Domain Rumor Detection in Social Networks Using Domain-Gated Mixture-of-Experts
• Title（参考訳）: Domain-Gated Mixture-of-Experts を用いたソーシャルネットワークにおける効果的なマルチドメイン噂検出に向けて
• Authors: Mohadeseh Sheikhqoraei, Zainabolhoda Heshmati, Zeinab Rajabi, Leila Rabiei,
• Abstract要約: ソーシャルメディアプラットフォームは、噂を広め、追跡するための重要なチャンネルとなっている。 本研究では,大規模なマルチドメイン噂データセットPerFactを紹介する。 FleissのKappaを通じて測定されたアノテーション契約は、高品質なラベルを保証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media platforms have become key channels for spreading and tracking rumors due to their widespread accessibility and ease of information sharing. Rumors can continuously emerge across diverse domains and topics, often with the intent to mislead society for personal or commercial gain. Therefore, developing methods that can accurately detect rumors at early stages is crucial to mitigating their negative impact. While existing approaches often specialize in single-domain detection, their performance degrades when applied to new domains due to shifts in data distribution, such as lexical patterns and propagation dynamics. To bridge this gap, this study introduces PerFact, a large-scale multi-domain rumor dataset comprising 8,034 annotated posts from the X platform, annotated into two primary categories: rumor (including true, false, and unverified rumors) and non-rumor. Annotator agreement, measured via Fleiss' Kappa ($κ= 0.74$), ensures high-quality labels. This research further proposes an effective multi-domain rumor detection model that employs a domain gate to dynamically aggregate multiple feature representations extracted through a Mixture-of-Experts method. Each expert combines CNN and BiLSTM networks to capture local syntactic features and long-range contextual dependencies. By leveraging both textual content and publisher information, the proposed model classifies posts into rumor and non-rumor categories with high accuracy. Evaluations demonstrate state-of-the-art performance, achieving an F1-score of 79.86\% and an accuracy of 79.98\% in multi-domain settings. Keywords: Rumor Detection, Multi-Domain, Natural Language Processing, Social Networks, Mixture-of-Experts Model
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、幅広いアクセシビリティと情報共有の容易さのために、噂を広め、追跡するための重要なチャンネルとなっている。 様々な領域やトピックにまたがる噂は、しばしば個人的または商業的な利益のために社会を誤解させる意図を持って、継続的に現れる。 したがって,早期の噂を正確に検出する手法の開発は,その悪影響を軽減する上で重要である。 既存のアプローチは単一ドメイン検出に特化することが多いが、そのパフォーマンスは、語彙パターンや伝播ダイナミクスなどのデータ分散の変化により、新しいドメインに適用されると劣化する。 このギャップを埋めるために,本研究では,Xプラットフォームから8,034件の注釈付き投稿を含む大規模マルチドメインの噂データセットPerFactを紹介した。 Fleiss' Kappa (κ= 0.74$) を通じて測定されたアノテーション契約は、高品質なラベルを保証する。 また,Mixture-of-Experts法を用いて抽出した複数の特徴表現を動的に集約するために,ドメインゲートを用いた効果的なマルチドメイン噂検出モデルを提案する。 各専門家はCNNとBiLSTMネットワークを組み合わせて、局所構文的特徴と長距離コンテキスト依存をキャプチャする。 テキストコンテンツと出版社情報の両方を活用することで、提案モデルは投稿を噂や非噂のカテゴリに高い精度で分類する。 評価は最先端の性能を示し、F1スコアは79.86\%、精度は79.98\%である。 キーワード:噂検出、マルチドメイン、自然言語処理、ソーシャルネットワーク、Mixture-of-Experts Model

関連論文リスト

• Towards Unified Multimodal Misinformation Detection in Social Media: A Benchmark Dataset and Baseline [56.790045049514326]
  詐欺の2つの主要な形態は、人造誤報とAI生成コンテンツである。 両形態の偽造を扱うためのフレームワークであるUMFDet(Unified Multimodal Fake Content Detection)を提案する。 UMFDetは、両方の誤情報型に対して堅牢で一貫したパフォーマンスを実現し、特殊ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-09-30T09:26:32Z)
• Robust Domain Misinformation Detection via Multi-modal Feature Alignment [49.89164555394584]
  マルチモーダルな誤情報検出のための頑健なドメインとクロスモーダルなアプローチを提案する。 テキストと視覚の共役分布を整列させることにより、ドメインシフトを低減する。 また,ドメイン一般化のアプリケーションシナリオを同時に検討するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-24T07:06:16Z)
• 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)
• Unsupervised Cross-Domain Rumor Detection with Contrastive Learning and Cross-Attention [0.0]
  大量の噂は、ニュースやトレンドの話題と共に現れ、真相を著しく妨げている。 既存の噂検出手法は、ほとんど同じドメインに焦点を合わせているので、クロスドメインのシナリオでは性能が劣る。 本稿では,クロスドメインなうわさ検出のためのクロスアテンション機構を備えた,エンドツーエンドのインスタンス・ワイドおよびプロトタイプ・コントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-03-20T06:19:49Z)
• Zero-Shot Rumor Detection with Propagation Structure via Prompt Learning [24.72097408129496]
  従来の研究では、アノテートされたリソースが不足しているため、少数言語で提示される噂は見つからないことが判明した。 本稿では,異なるドメインで発生する噂や,異なる言語で提示される噂を検出するための,素早い学習に基づく新しいフレームワークを提案する。 提案手法は最先端手法よりも優れた性能を実現し,早期に噂を検出する能力に優れる。
  論文  参考訳（メタデータ） (2022-12-02T12:04:48Z)
• FIXED: Frustratingly Easy Domain Generalization with Mixup [53.782029033068675]
  ドメイン一般化(Domain Generalization, DG)は、複数のトレーニングドメインから一般化可能なモデルを学ぶことを目的としている。 一般的な戦略は、Mixupcitezhang 2018mixupのようなメソッドによる一般化のためにトレーニングデータを拡張することである。 我々は、MixupベースのDG、すなわちドメイン不変の特徴mIXup(FIX)の簡易かつ効果的な拡張を提案する。 提案手法は,9つの最先端手法よりも優れており,試験精度の面では,ベースラインの平均6.5%を上回っている。
  論文  参考訳（メタデータ） (2022-11-07T09:38:34Z)
• Bridging the Domain Gap for Multi-Agent Perception [19.724227909352976]
  マルチエージェント認識のための領域ギャップを橋渡しする,最初の軽量フレームワークを提案する。 我々のフレームワークは、複数の次元の機能を整列する学習可能な機能リサイザと、ドメイン適応のための疎いクロスドメイントランスフォーマーから構成されている。 提案手法は, 異なる領域からの特徴のギャップを効果的に埋めることができ, ポイントクラウドベースの3Dオブジェクト検出において, 少なくとも8%以上の精度で他のベースライン法よりも優れる。
  論文  参考訳（メタデータ） (2022-10-16T05:29:21Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Coarse to Fine: Domain Adaptive Crowd Counting via Adversarial Scoring Network [58.05473757538834]
  本稿では,ドメイン間のギャップを粗い粒度から細かな粒度に埋める新しい逆スコアリングネットワーク (ASNet) を提案する。 3組のマイグレーション実験により,提案手法が最先端のカウント性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-07-27T14:47:24Z)
• Learning to Combine: Knowledge Aggregation for Multi-Source Domain Adaptation [56.694330303488435]
  マルチソースドメイン適応(LtC-MSDA)フレームワークを併用する学習法を提案する。 簡単に言うと、知識グラフは様々なドメインのプロトタイプ上に構築され、セマンティックに隣接した表現間の情報伝達を実現する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-07-17T07:52:44Z)

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。