論文の概要: An Information-theoretic Propagation Denoising and Fusion Framework for Fake News Detection

• arxiv url: http://arxiv.org/abs/2605.02259v1
• Date: Mon, 04 May 2026 06:15:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.157824
• Title: An Information-theoretic Propagation Denoising and Fusion Framework for Fake News Detection
• Title（参考訳）: フェイクニュース検出のための情報理論伝搬デノベーションと融合フレームワーク
• Authors: Mengyang Chen, Lingwei Wei, Wei Zhou, Songlin Hu,
• Abstract要約: InfoPDF は情報理論的伝搬デノゲーションおよび融合フレームワークであり、実と合成の両方の伝搬から効果的な表現を学習する。 属性固有の合成伝搬のノイズ信号を抑制し、実と合成の伝搬表現の整合性を維持し、偽ニュースの検出と属性予測にタスクの十分性を確保する。
• 参考スコア（独自算出の注目度）: 24.329699288691913
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Incomplete propagation data significantly hinders robust fake news detection. Recent approaches leverage large language models to simulate missing user interactions via role-playing, thereby enriching propagation with synthetic signals. However, such propagation data is intrinsically unreliable, and directly fusing it can lead to biased representations, leading to limited detection performance. In this paper, we alleviate the unreliability of synthetic propagation from the mutual information perspective and propose a novel information-theoretic propagation denoising and fusion (InfoPDF) framework to learn effective representations from both real and synthetic propagation. Specifically, we first generate attribute-specific synthetic propagation using large language models. Then we model each synthetic propagation graph as a probabilistic latent distribution to guide reliability-aware adaptive fusion with real propagation. During training, we design a mutual information-based objective to learn compressed and task-sufficient propagation representations. It jointly suppresses noisy signals across attribute-specific synthetic propagation, maintains consistency between real and synthetic propagation representations, and ensures task sufficiency for fake news detection and attribute prediction. Experiments on three real-world datasets show that InfoPDF consistently achieves superior performance across various fake news detection tasks. Further analysis demonstrates that InfoPDF can estimate attribute-level reliabilities and learn more discriminative propagation representations.
• Abstract（参考訳）: 不完全な伝搬データは、堅牢な偽ニュース検出を著しく妨げる。 最近のアプローチでは、大きな言語モデルを活用して、ロールプレイングを通じて欠落したユーザインタラクションをシミュレートし、それによって合成信号による伝搬を強化している。 しかし、そのような伝搬データは本質的に信頼性が低く、直接融合することでバイアスのある表現が得られ、検出性能が制限される。 本稿では, 相互情報の観点からの合成伝搬の信頼性の欠如を軽減し, 実・合成伝搬の両面から効果的な表現を学習するための新しい情報理論的伝搬復号・融合(InfoPDF)フレームワークを提案する。 具体的には,大規模言語モデルを用いて属性特異的な合成伝搬を生成する。 そこで我々は,各合成伝搬グラフを確率的潜在分布としてモデル化し,実伝搬による信頼性を考慮した適応融合を導出する。 訓練中、私たちは、圧縮されたタスクに十分対応した伝達表現を学習するための、相互情報に基づく目的を設計する。 属性固有の合成伝搬のノイズ信号を共同で抑制し、実と合成の伝搬表現の整合性を維持し、偽ニュースの検出と属性予測のタスク十分性を確保する。 実世界の3つのデータセットの実験では、InfoPDFは様々な偽ニュース検出タスクに対して、一貫して優れたパフォーマンスを達成している。 さらに分析した結果,InfoPDFは属性レベルの信頼性を推定し,より識別的な表現表現を学習できることがわかった。

関連論文リスト

• Ahead of the Spread: Agent-Driven Virtual Propagation for Early Fake News Detection [30.547636224797376]
  偽ニュース下線検出のためのアンダーラインアゲイン駆動型アンダーラインオパガタンデリオンであるAVOIDを提案する。 AVOIDは、早期検出を、受動的に観察されるのではなく、伝播信号を積極的にシミュレートするエビデンス生成の新しいパラダイムとして再構成する。
  論文  参考訳（メタデータ） (2026-01-06T06:36:43Z)
• Consistent World Models via Foresight Diffusion [56.45012929930605]
  我々は、一貫した拡散に基づく世界モデルを学習する上で重要なボトルネックは、最適下予測能力にあると主張している。 本稿では,拡散に基づく世界モデリングフレームワークであるForesight Diffusion(ForeDiff)を提案する。
  論文  参考訳（メタデータ） (2025-05-22T10:01:59Z)
• Towards Understanding Text Hallucination of Diffusion Models via Local Generation Bias [76.85949078144098]
  本稿では,拡散モデルが個々のシンボルを正しく生成するが,それらを意味のない方法で組み立てるテキスト幻覚に焦点を当てる。 このような現象は,ネットワークの局所的生成バイアスに起因すると考えられる。 また、ハイパーキューブ上の2層学習パリティポイントを含む特定のケースのトレーニングダイナミクスを理論的に解析する。
  論文  参考訳（メタデータ） (2025-03-05T15:28:50Z)
• 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)
• From Fake to Real: Pretraining on Balanced Synthetic Images to Prevent Spurious Correlations in Image Recognition [64.59093444558549]
  我々はFrom Fake to Realと呼ぶシンプルで簡単に実装できる2段階のトレーニングパイプラインを提案する。 実データと合成データを別々にトレーニングすることで、FFRは実データと合成データの統計的差異にモデルを公開しない。 実験の結果,FFRは3つのデータセットに対して,最先端のグループ精度を最大20%向上させることがわかった。
  論文  参考訳（メタデータ） (2023-08-08T19:52:28Z)
• Interpretable Fake News Detection with Topic and Deep Variational Models [2.15242029196761]
  我々は,解釈可能な特徴と手法を用いた偽ニュース検出に焦点をあてる。 我々は,テキストニュースの高密度表現を統合した深層確率モデルを開発した。 我々のモデルは最先端の競合モデルに匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2022-09-04T05:31:00Z)

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。