論文の概要: Spectral Analysis of Fake News Propagation

• arxiv url: http://arxiv.org/abs/2605.13861v1
• Date: Sat, 18 Apr 2026 14:55:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.813612
• Title: Spectral Analysis of Fake News Propagation
• Title（参考訳）: フェイクニュース伝搬のスペクトル解析
• Authors: Weibin Cai, Reza Zafarani,
• Abstract要約: 本稿では,厳密なスペクトル境界を通して,グラフスペクトルと伝播関連構造特性を結合させることにより,スペクトルからのニュース伝搬について検討する。 特に,情報伝達のスペクトル表現にいくつかの新しい境界を導入し,既存の境界と統合する。 次に、これらのスペクトル境界を下流の分類に利用し、離散的な構造最適化フレームワークを設計し、学習された伝播パターンを解釈する。
• 参考スコア（独自算出の注目度）: 3.685453775072903
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The propagation structure of fake news has been shown to be an important cue for detecting it; yet, existing propagation-based fake news detection methods have mainly relied on ad hoc topological features, and a unified view of cascade patterns is still lacking. To address this, we study news propagation from a spectral view by connecting graph spectra to propagation-related structural properties through rigorous spectral bounds. In particular, we introduce several new bounds and integrate them with existing ones into a unified spectral representation of information propagation. We then use these spectral bounds for downstream classification and design a discrete structural optimization framework to interpret learned propagation patterns. For efficient optimization, we rely on a first-order perturbation approximation and consider both score-guided and bound-guided objectives. Experiments on real-world data reveal meaningful spectral differences between fake and real news, competitive classification performance from spectral bounds, and interpretable evolution trajectories from structural optimization. The findings demonstrate the value of spectral analysis for understanding and modeling news propagation.
• Abstract（参考訳）: 偽ニュースの伝搬構造は, 検出に重要な手がかりとなっているが, 既存の伝播に基づく偽ニュース検出手法は, 主にアドホックなトポロジ的特徴に依存しており, カスケードパターンの統一ビューはいまだに欠落している。 そこで本稿では,厳密なスペクトル境界を通じて,グラフスペクトルと伝播関連構造特性を結合させることにより,スペクトルからのニュース伝搬について検討する。 特に,情報伝達のスペクトル表現にいくつかの新しい境界を導入し,既存の境界と統合する。 次に、これらのスペクトル境界を下流の分類に利用し、離散的な構造最適化フレームワークを設計し、学習された伝播パターンを解釈する。 効率的な最適化のために、一階摂動近似に頼り、スコア誘導とバウンド誘導の両方の目的を検討する。 実世界のデータを用いた実験では、偽ニュースと実ニュースの有意義なスペクトル差、スペクトル境界からの競合分類性能、構造最適化からの解釈可能な進化軌道が示された。 その結果,ニュース伝搬の理解とモデル化のためのスペクトル分析の価値が示された。

関連論文リスト

• Spectral Graph Reasoning Network for Hyperspectral Image Classification [0.43512163406551996]
  畳み込みニューラルネットワーク(CNN)は、ハイパースペクトル画像(HSI)分類において顕著な性能を達成した。 本稿では、2つの重要なモジュールからなるスペクトルグラフ推論ネットワーク(SGR)学習フレームワークを提案する。 2つのHSIデータセットの実験により、提案したアーキテクチャが分類精度を大幅に改善できることが示されている。
  論文  参考訳（メタデータ） (2024-07-02T20:29:23Z)
• HoloNets: Spectral Convolutions do extend to Directed Graphs [59.851175771106625]
  従来の知恵は、スペクトル畳み込みネットワークは無向グラフ上にしか展開できないと規定している。 ここでは、このグラフフーリエ変換への伝統的な依存が超フルであることを示す。 本稿では,新たに開発されたフィルタの周波数応答解釈を行い,フィルタ表現に使用するベースの影響を調査し,ネットワークを基盤とする特性演算子との相互作用について議論する。
  論文  参考訳（メタデータ） (2023-10-03T17:42:09Z)
• Hodge-Aware Contrastive Learning [101.56637264703058]
  単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。 我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
  論文  参考訳（メタデータ） (2023-09-14T00:40:07Z)
• SpectralDiff: A Generative Framework for Hyperspectral Image Classification with Diffusion Models [18.391049303136715]
  拡散モデルを用いたHSI分類のための生成フレームワーク(SpectralDiff)を提案する。 SpectralDiffは、高次元および高冗長なデータの分布情報を効果的にマイニングする。 3つの公開HSIデータセットの実験により、提案手法は最先端の手法よりも優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-04-12T16:32:34Z)
• Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
  我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。 スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。 主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
  論文  参考訳（メタデータ） (2022-01-07T22:26:33Z)
• Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
  畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。 近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-06-26T06:24:51Z)
• Spectral Analysis Network for Deep Representation Learning and Image Clustering [53.415803942270685]
  本稿ではスペクトル分析に基づく教師なし深層表現学習のための新しいネットワーク構造を提案する。 パッチレベルで画像間の局所的な類似性を識別できるため、閉塞に対してより堅牢である。 クラスタリングに親しみやすい表現を学習し、データサンプル間の深い相関を明らかにすることができる。
  論文  参考訳（メタデータ） (2020-09-11T05:07:15Z)
• Spectral Pyramid Graph Attention Network for Hyperspectral Image Classification [5.572542792318872]
  畳み込みニューラルネットワーク(CNN)は、ハイパースペクトル画像(HSI)分類において大きな進歩を遂げている。 標準畳み込みカーネルは、データポイント間の本質的な接続を無視し、結果として、領域のデラインが貧弱になり、小さなスプリアス予測がもたらされる。 本稿では,これらの2つの問題に明示的に対処する新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-01-20T13:49:43Z)

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。