論文の概要: Empirical Evaluation of Link Deletion Methods for Limiting Information Diffusion on Social Media

• arxiv url: http://arxiv.org/abs/2603.21470v1
• Date: Mon, 23 Mar 2026 01:14:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.434048
• Title: Empirical Evaluation of Link Deletion Methods for Limiting Information Diffusion on Social Media
• Title（参考訳）: ソーシャルメディアにおける情報拡散制限のためのリンク削除手法の実証評価
• Authors: Shiori Furukawa, Sho Tsugawa,
• Abstract要約: リンク削除手法は、ソーシャルネットワーク上の情報拡散カスケードのサイズを減らすのに有効であることが示されている。 本研究では,リツイートカスケードの実際のログを用いてリンク削除手法の有効性を評価する。
• 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: Although beneficial information abounds on social media, the dissemination of harmful information such as so-called ``fake news'' has become a serious issue. Therefore, many researchers have devoted considerable effort to limiting the diffusion of harmful information. A promising approach to limiting diffusion of such information is link deletion methods in social networks. Link deletion methods have been shown to be effective in reducing the size of information diffusion cascades generated by synthetic models on a given social network. In this study, we evaluate the effectiveness of link deletion methods by using actual logs of retweet cascades, rather than by using synthetic diffusion models. Our results show that even after deleting 10\%--50\% of links from a social network, the size of cascades after link deletion is estimated to be only 50\% the original size under the optimistic estimation, which suggests that the effectiveness of the link deletion strategy for suppressing information diffusion is limited. Moreover, our results also show that there is a considerable number of cascades with many seed users, which renders link deletion methods inefficient.
• Abstract（参考訳）: ソーシャルメディア上では有益な情報が多いが、いわゆる「フェイクニュース」のような有害な情報の拡散は深刻な問題となっている。 そのため、多くの研究者は有害な情報の拡散を制限することに多大な努力を払ってきた。 このような情報の拡散を制限するための有望なアプローチは、ソーシャルネットワークにおけるリンク削除方法である。 リンク削除手法は、所定のソーシャルネットワーク上で合成モデルによって生成された情報拡散カスケードのサイズを減らすのに有効であることが示されている。 本研究では,リツイートカスケードの実際のログを合成拡散モデルではなく,リンク削除手法の有効性を評価する。 その結果, ソーシャルネットワークからリンクを削除した場合でも, リンク削除後のカスケードのサイズは推定値の50倍程度と推定され, 情報拡散を抑制するためのリンク削除戦略の有効性が限定された。 さらに,本研究の結果から,多数のシードユーザを持つカスケードが多数存在し,リンク削除手法を非効率に処理できることが示唆された。

関連論文リスト

• Why Do Unlearnable Examples Work: A Novel Perspective of Mutual Information [55.75102049412629]
  クリーンな特徴と有毒な特徴との相互関係は,有効に学習できない例で常に減少することを示す。 我々は、MI-UE(Multual Information Unlearnable Examples)と呼ばれる新しい学習不可能な手法を提案する。 本手法は, 防御機構下においても, 従来手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2026-03-04T04:53:29Z)
• Community Notes Moderate Engagement With and Diffusion of False Information Online [5.167139505179326]
  我々は,X(旧Twitter)が採用したファクトチェック機能であるCommunity Notesの因果効果を推定し,偽コンテンツに対するファクトチェックノートの要請と拒否的評価を行う。 事実確認ノートの添付は偽コンテンツのエンゲージメントと拡散を著しく減少させることがわかった。
  論文  参考訳（メタデータ） (2025-02-18T22:50:58Z)
• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• Classifier Guidance Enhances Diffusion-based Adversarial Purification by Preserving Predictive Information [75.36597470578724]
  敵の浄化は、敵の攻撃からニューラルネットワークを守るための有望なアプローチの1つである。 分類器決定境界から遠ざかって, 清浄するgUided Purification (COUP)アルゴリズムを提案する。 実験結果から, COUPは強力な攻撃法でより優れた対向的堅牢性が得られることが示された。
  論文  参考訳（メタデータ） (2024-08-12T02:48:00Z)
• Erasing Undesirable Influence in Diffusion Models [51.225365010401006]
  拡散モデルは高品質な画像を生成するのに非常に効果的であるが、NSFW(職場では安全ではない)コンテンツの意図しない生成のようなリスクを引き起こす。 本研究では,データに関連付けられた不要な情報を取り除き,保存データに対する拡散モデルの実用性を維持するために設計されたアルゴリズムであるEraseDiffを紹介する。
  論文  参考訳（メタデータ） (2024-01-11T09:30:36Z)
• The Impact of Disinformation on a Controversial Debate on Social Media [1.299941371793082]
  われわれは、移民に関するイタリアの議論において、Twitter上での偽情報の存在がいかに広まっているかを研究する。 TwitterユーザーをtextitUntrustworthinessスコアで特徴付けることで、このような悪い情報消費習慣がユーザー間で均等に分散されていないことが分かる。
  論文  参考訳（メタデータ） (2021-06-30T10:29:07Z)
• Network Inference from a Mixture of Diffusion Models for Fake News Mitigation [12.229596498611837]
  人を騙し、世論に影響を与え、社会的成果を操ることを目的とした偽ニュースの普及は、ソーシャルメディアに迫る問題となっている。 本稿では,フェイクニュース緩和のためのネットワーク介入を容易にするために,偽コンテンツの拡散ダイナミクスの理解と活用に焦点をあてる。
  論文  参考訳（メタデータ） (2020-08-08T05:59:25Z)

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。