Fugu-MT 論文翻訳(概要): Emotion-Aware Clickbait Attack in Social Media

論文の概要: Emotion-Aware Clickbait Attack in Social Media

arxiv url: http://arxiv.org/abs/2604.27369v1
Date: Thu, 30 Apr 2026 03:36:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-01 16:31:53.905675
Title: Emotion-Aware Clickbait Attack in Social Media
Title（参考訳）: ソーシャルメディアにおける感情認識型クリックベイト攻撃
Authors: Syed Mhamudul Hasan, Mohd. Farhan Israk Soumik, Abdur R. Shahid,
Abstract要約: 本稿では,感情を意識したクリックベイト生成攻撃について紹介する。現実的な攻撃シナリオをシミュレートするために、クリックベイトの見出しとセマンティックに類似したソーシャルメディア投稿を合わせる。これに基づいて、クリックベイトの現在の投稿に対する見出しの変動を計算し、ユーザーの好奇心にどのように感情的なアクティベーションが寄与するかを定量化するキュリオシティギャップ関数を定義する。
参考スコア（独自算出の注目度）: 0.669087470775851
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Clickbait is characterized by disproportionately high emotional intensity relative to informational content, often reinforced by specific structural patterns. However, current research considers clickbait as a static textual phenomenon characterized by linguistic patterns and structural cues. Additionally, existing detection systems primarily rely on surface-level features of clickbait. This paper introduces an emotion-aware clickbait generation attack, where stylistic transformations are used to optimize emotional impact. We propose an emotion-aware framework based on the Valence-Arousal-Dominance (VAD) space to model the emotional dynamics underlying clickbait generation for optimal user engagement. To simulate realistic attack scenarios, we align clickbait headlines with semantically similar social media posts using Sentence-BERT and generate multiple stylistic rewrites via Large Language Models (LLMs). Building on this, we define a Curiosity Gap (CG) function that computes clickbait's headline variation to the current post to quantify how emotional activation will contribute to user curiosity and evade the existing system found on social media. Experimental results demonstrate that emotion-aware stylization significantly degrades the performance of state-of-the-art classifiers, leading to misclassification rates of up to 2.58% to 30.63% on the base system.
Abstract（参考訳）: クリックベイトは情報内容に対して不均等に高い感情的強度を特徴とし、しばしば特定の構造パターンによって強化される。しかし、現在の研究では、クリックベイトは言語パターンと構造的手がかりを特徴とする静的テキスト現象であると考えている。さらに既存の検出システムは、主にクリックベイトの表面レベルの機能に依存している。本稿では,感情を意識したクリックベイト生成攻撃について紹介する。本稿では,Valence-Arousal-Dominance(VAD)空間に基づく感情認識フレームワークを提案する。現実的な攻撃シナリオをシミュレートするために,Sentence-BERTを用いて,クリックベイト見出しを意味的に類似したソーシャルメディア投稿と整列し,Large Language Models (LLMs) を介して複数のスタイリッシュな書き直しを生成する。そこで我々は,Curiosity Gap(CG)関数を定義し,クリックベイトの現在の投稿に対する見出しの変動を計算し,ユーザの好奇心にどのように感情的なアクティベーションが寄与するかを定量化し,ソーシャルメディア上の既存のシステムを回避する。実験の結果、感情認識型スタイリゼーションは最先端の分類器の性能を著しく低下させ、ベースシステム上では最大2.58%から30.63%の誤分類率をもたらすことが示された。

関連論文リスト

FACE-net: Factual Calibration and Emotion Augmentation for Retrieval-enhanced Emotional Video Captioning [81.33341786837974]
Emotional Video Captioning (EVC) は、ビデオで表現される本質的な感情で事実を記述することを目的とした、新たなタスクである。 FActual and Emotion Augmentation (FACE-net) を用いた検索強化フレームワークを提案する。 FACE-netは、事実と感情のセマンティクスを協調的にマイニングし、生成のための適応的で正確なガイダンスを提供する。
論文参考訳（メタデータ） (2026-03-18T07:53:15Z)
Click it or Leave it: Detecting and Spoiling Clickbait with Informativeness Measures and Large Language Models [1.5658704610960574]
本稿では,トランスフォーマーをベースとしたテキスト埋め込みと,言語的に動機付けられた情報化機能を組み合わせたクリックベイト検出手法を提案する。当社のベストパフォーマンスモデルであるXGBoostは15の明示的な特徴を組み込んだ組み込みで、F1スコアの91%を実現しています。提案する特徴集合は,2人称代名詞,助詞,数字,注意指向句読点などの有能な言語的手がかりを強調することにより,解釈可能性を高める。
論文参考訳（メタデータ） (2026-02-20T12:16:08Z)
Switchboard-Affect: Emotion Perception Labels from Conversational Speech [7.576840738395629]
そこで我々は,Switchboard corpus を自然言語の有望な情報源として認識する。群集に分類的感情と次元属性のデータセットをラベル付けするように訓練する。我々は、最先端のSERモデルを評価し、特に一般化が貧弱な感情カテゴリーの様々なパフォーマンスを見いだした。
論文参考訳（メタデータ） (2025-10-14T21:23:04Z)
An Interpretable Benchmark for Clickbait Detection and Tactic Attribution [37.86790434630698]
クリックベイトの見出しの拡散は、デジタルメディアにおける情報の信頼性とユーザ信頼に重大な課題をもたらす。本稿では、クリックベイトタイトルを識別するだけでなく、特定の言語操作戦略に起因した、説明可能なクリックベイト検出モデルを提案する。本稿では,検出と戦術属性を含む自動クリックベイト分析のための2段階のフレームワークを提案する。
論文参考訳（メタデータ） (2025-09-13T18:26:49Z)
Emotion Rendering for Conversational Speech Synthesis with Heterogeneous Graph-Based Context Modeling [50.99252242917458]
会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
論文参考訳（メタデータ） (2023-12-19T08:47:50Z)
Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
隠れ変数分離に基づく動的因果解離モデルを提案する。このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
論文参考訳（メタデータ） (2023-09-13T12:58:09Z)
REDAffectiveLM: Leveraging Affect Enriched Embedding and Transformer-based Neural Language Model for Readers' Emotion Detection [3.6678641723285446]
本稿では,REDAffectiveLMと呼ばれる深層学習モデルを用いて,短文文書からの読み手感情検出のための新しい手法を提案する。コンテクストに特化してリッチ表現に影響を与え, リッチBi-LSTM+Attentionに影響を及ぼすタンデムにおいて, トランスフォーマーに基づく事前学習言語モデルを用いることで, リッチ表現に影響を及ぼす。
論文参考訳（メタデータ） (2023-01-21T19:28:25Z)
Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
論文参考訳（メタデータ） (2022-12-27T16:08:49Z)
Accurate Emotion Strength Assessment for Seen and Unseen Speech Based on Data-Driven Deep Learning [70.30713251031052]
本研究では,データ駆動型深層学習モデル,すなわちSenseNetを提案する。実験の結果,提案した強度ネットの予測感情強度は,目視と目視の両方の真理値と高い相関性を示した。
論文参考訳（メタデータ） (2022-06-15T01:25:32Z)
Reinforcement Learning for Emotional Text-to-Speech Synthesis with Improved Emotion Discriminability [82.39099867188547]
感情的テキスト音声合成(ETTS)は近年大きく進歩している。 i-ETTSと呼ばれるETTSの新しい対話型トレーニングパラダイムを提案する。 i-ETTSの最適化品質を確保するため、強化学習による反復トレーニング戦略を策定します。
論文参考訳（メタデータ） (2021-04-03T13:52:47Z)

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。