論文の概要: Real-World Challenges in Fake News Detection: Dealing with Posts by Cold Users

• arxiv url: http://arxiv.org/abs/2605.12511v1
• Date: Mon, 30 Mar 2026 09:37:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.761325
• Title: Real-World Challenges in Fake News Detection: Dealing with Posts by Cold Users
• Title（参考訳）: フェイクニュース検出の現実的課題:冷酷なユーザーによる投稿への対処
• Authors: Sai Keerthana Karnam, Abhirup Kundu, Jashn Arora, Manish Jain, Animesh Mukherjee,
• Abstract要約: 過去のユーザー行動と投稿におけるユーザーエンゲージメントは、SOTAアプローチがフェイクニュース検出に活用する強力なシグナルである。 まず、フェイクニュースや噂検出のタスクにおいて、コンテンツとユーザ間のインタラクションの両方において、ユーザ行動の価値を確立する。 次に、実世界のデータセットにおけるコールドユーザーの広範な普及を確立し、コールドユーザーを考慮した新しいアルゴリズムの必要性を示す。
• 参考スコア（独自算出の注目度）: 5.67675179544015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media serves as a primary source of information in the current digital era. Many people consume a vast range of information in a very short span, yet, amidst the stream of genuine information, fake news and rumors continue to spread. The need for effective detection models is becoming increasingly critical. Past user behavior and user engagement on a post are strong signals that SOTA approaches leverage for fake news detection and other post classification tasks. However, these approaches lean too heavily on knowing this past behavior, and thus suffer from a cold user problem, or users that are new or have minimal footprint on the platform. In this paper, we make three core contributions. We first establish the value of user behavior, both content and user-user interactions, in the task of fake news and rumor detection. We then establish the extensive prevalence of cold users in the real-world datasets, and show the need for newer algorithms considering cold users. We next propose a novel socially-aware context representation scheme - USER EVIDENCE NETWORK (UEN) - to detect the spread of misinformation and unverified information while efficiently navigating this cold user challenge. We introduce techniques that approximate missing or absent behavior data of a new user from existing users' interactions. By carefully addressing the cold user challenge, our work provides robust approaches targeting fake news and rumor detection for real-world platforms.
• Abstract（参考訳）: ソーシャルメディアは、現在のデジタル時代の主要な情報源となっている。 多くの人が非常に短い期間に膨大な情報を消費するが、真の情報の流れ、偽ニュース、噂が広まり続けている。 効果的な検出モデルの必要性はますます重要になっている。 過去のユーザー行動と投稿におけるユーザーエンゲージメントは、SOTAアプローチがフェイクニュースの検出やその他のポスト分類タスクに活用する強力なシグナルである。 しかし、これらのアプローチは過去の振る舞いを知ることに重きを置いているため、冷酷なユーザ問題や、新しい、あるいはプラットフォームに最小限のフットプリントを持つユーザに悩まされている。 本稿では,3つのコアコントリビューションについて述べる。 まず、フェイクニュースや噂検出のタスクにおいて、コンテンツとユーザ間のインタラクションの両方において、ユーザ行動の価値を確立する。 次に、実世界のデータセットにおけるコールドユーザーの広範な普及を確立し、コールドユーザーを考慮した新しいアルゴリズムの必要性を示す。 次に、このコールドユーザーチャレンジを効率的にナビゲートしながら、誤情報や未確認情報の拡散を検出するために、社会的に意識した新しいコンテキスト表現スキーム、USER EVIDENCE NetworkWORK(UEN)を提案する。 既存ユーザのインタラクションから,新規ユーザの行動データ不足や欠落を近似する手法を提案する。 我々の研究は、冷酷なユーザー課題に慎重に対処することで、現実世界のプラットフォームに対してフェイクニュースと噂検出をターゲットとした堅牢なアプローチを提供します。

関連論文リスト

• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
  プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。 我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
  論文  参考訳（メタデータ） (2023-09-28T13:19:43Z)
• Silence Speaks Volumes: Re-weighting Techniques for Under-Represented Users in Fake News Detection [25.5495085102178]
  わずか1%のユーザーが、ソーシャルネットワークサイトのコンテンツの大半を生成している。 残りのユーザーは、さまざまな学位を取得できるが、コンテンツ制作にはあまり積極的でなく、ほとんど沈黙している傾向にある。 そこで本稿では,提案手法を応用してサイレント・マジョリティを耳にする手法を提案する。また,これらのユーザからの手がかりが,偽ニュース検出の下流タスクにおいて,現在のモデルの性能を向上させることができるかどうかを検討する。
  論文  参考訳（メタデータ） (2023-08-03T20:04:20Z)
• Mining User-aware Multi-Relations for Fake News Detection in Large Scale Online Social Networks [25.369320307526362]
  信頼できるユーザーは信頼できるニュースを共有する傾向があり、信頼できないユーザーは信頼できないニュースを広める確率が高い。 本研究では,ソーシャル・ネットワークにおけるニュースとユーザの複数の関係を抽出し,偽ニュースを検出するためのリッチな情報を得るための2層グラフを構築した。 本稿では,ニュース層におけるニュースの伝搬特徴とユーザ層におけるユーザのインタラクション特徴を学習する,Us-DeFakeという偽ニュース検出モデルを提案する。
  論文  参考訳（メタデータ） (2022-12-21T05:30:35Z)
• SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
  ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。 従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。 虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
  論文  参考訳（メタデータ） (2021-05-22T09:26:13Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)

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。