論文の概要: Content Fuzzing for Escaping Information Cocoons on Digital Social Media
- arxiv url: http://arxiv.org/abs/2604.05461v1
- Date: Tue, 07 Apr 2026 05:49:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.646781
- Title: Content Fuzzing for Escaping Information Cocoons on Digital Social Media
- Title（参考訳）: デジタルソーシャルメディアにおけるコンテンツファズリング
- Authors: Yifeng He, Ziye Tang, Hao Chen,
- Abstract要約: ソーシャルメディア上の情報コクーンは、様々な視点でユーザーの投稿への露出を制限する。
本稿では,人間解釈の意図を保ちながら投稿を書き換える信頼性誘導型ファジィフレームワークであるContentFuzzを紹介する。
提案手法は,姿勢検出モデルからの信頼度フィードバックを用いて,意味保存の書き直しを生成するために,大規模言語モデルを導出する。
- 参考スコア（独自算出の注目度）: 5.7188898597157385
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Information cocoons on social media limit users' exposure to posts with diverse viewpoints. Modern platforms use stance detection as an important signal in recommendation and ranking pipelines, which can route posts primarily to like-minded audiences and reduce cross-cutting exposure. This restricts the reach of dissenting opinions and hinders constructive discourse. We take the creator's perspective and investigate how content can be revised to reach beyond existing affinity clusters. We present ContentFuzz, a confidence-guided fuzzing framework that rewrites posts while preserving their human-interpreted intent and induces different machine-inferred stance labels. ContentFuzz aims to route posts beyond their original cocoons. Our method guides a large language model (LLM) to generate meaning-preserving rewrites using confidence feedback from stance detection models. Evaluated on four representative stance detection models across three datasets in two languages, ContentFuzz effectively changes machine-classified stance labels, while maintaining semantic integrity with respect to the original content.
- Abstract（参考訳）: ソーシャルメディア上の情報コクーンは、様々な視点でユーザーの投稿への露出を制限する。
現代のプラットフォームでは、推奨やランキングのパイプラインにおいてスタンス検出が重要な信号として使われており、投稿を主に同志のオーディエンスにルーティングし、横断的な露出を減らすことができる。
これは意見の不一致の範囲を制限し、建設的な言論を妨げる。
クリエーターの視点から、既存の親和性クラスタを超えてコンテンツをどのように修正できるかを検討します。
人間の解釈した意図を維持しながら投稿を書き直し、異なる機械推論のスタンスラベルを誘導する信頼誘導ファジィフレームワークであるContentFuzzを紹介する。
ContentFuzzは、投稿をオリジナルのクーポンを超えてルートすることを目指している。
提案手法は大規模言語モデル (LLM) を導出し, 姿勢検出モデルからの信頼度フィードバックを用いて意味保存の書き直しを生成する。
2つの言語で3つのデータセットにまたがる4つの代表的なスタンス検出モデルに基づいて、ContentFuzzは、オリジナルのコンテンツに関するセマンティックな整合性を維持しながら、マシン分類されたスタンスラベルを効果的に変更する。
関連論文リスト
- Verifying Rumors via Stance-Aware Structural Modeling [1.5499426028105903]
本稿では,各ポストをそのスタンス信号で符号化し,スタンスカテゴリによる返信埋め込みを集約するスタンスアウェアな構造モデリングを提案する。
提案手法は,噂の真偽を予測する能力において,従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2025-12-15T17:16:56Z) - Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。
注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。
被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
論文 参考訳（メタデータ） (2025-09-26T07:11:55Z) - Collaborative Group: Composed Image Retrieval via Consensus Learning from Noisy Annotations [67.92679668612858]
我々は,集団が個人より優れているという心理的概念に触発されたコンセンサスネットワーク(Css-Net)を提案する。
Css-Netは,(1)コンセンサスモジュールと4つのコンセンサスモジュール,(2)コンセンサス間の相互作用の学習を促進するKulback-Leibler分散損失の2つのコアコンポーネントから構成される。
ベンチマークデータセット、特にFashionIQでは、Css-Netが大幅に改善されている。特に、R@10が2.77%、R@50が6.67%増加し、リコールが大幅に向上している。
論文 参考訳（メタデータ） (2023-06-03T11:50:44Z) - Contextual information integration for stance detection via
cross-attention [59.662413798388485]
スタンス検出は、著者の目標に対する姿勢を特定することを扱う。
既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。
文脈情報をテキストとして統合する手法を提案する。
論文 参考訳（メタデータ） (2022-11-03T15:04:29Z) - CDistNet: Perceiving Multi-Domain Character Distance for Robust Text
Recognition [87.3894423816705]
本稿では,MDCDP (Multi-Domain Character Distance Perception) と呼ばれる新しいモジュールを提案する。
MDCDPは位置埋め込みを使用して、クロスアテンションメカニズムに従って視覚的特徴と意味的特徴の両方を問合せする。
我々は、複数のMDCDPを積み重ねたCDistNetを開発し、徐々に正確な距離モデリングをガイドする。
論文 参考訳（メタデータ） (2021-11-22T06:27:29Z) - Topic Modeling on User Stories using Word Mover's Distance [4.378337862197529]
本稿では,クラウド生成ユーザストーリーの集合内のトピックを識別する手段として,トピックモデリングに焦点を当てる。
群衆労働者による2,966件のユーザストーリーを公開して評価した。
論文 参考訳（メタデータ） (2020-07-10T11:05:42Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳（メタデータ） (2020-06-02T13:34:11Z) - WAC: A Corpus of Wikipedia Conversations for Online Abuse Detection [0.0]
本稿では,ウィキペディアのコメントコーパスに基づいて,異なるタイプのコメントレベルアノテーションを用いた独自のフレームワークを提案する。
380k以上の注釈付きメッセージからなるこの大規模なコーパスは、オンライン不正検出、特にコンテキストベースのアプローチに対する視点を開放する。
また、このコーパスに加えて、コンテンツ乱用検出の問題に関する科学的研究を刺激し、適切に比較するための完全なベンチマークプラットフォームも提案する。
論文 参考訳（メタデータ） (2020-03-13T10:26:45Z)
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。