論文の概要: LLM-based Detection of Manipulative Political Narratives

• arxiv url: http://arxiv.org/abs/2605.14354v2
• Date: Fri, 15 May 2026 01:31:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 03:45:13.110682
• Title: LLM-based Detection of Manipulative Political Narratives
• Title（参考訳）: LLMによるマニピュティブな政治ナラティブの検出
• Authors: Sinclair Schneider, Florian Steuber, Gabi Dreo Rodosek,
• Abstract要約: 本稿では,操作型政治物語の検出と構造化のための新しい計算フレームワークを提案する。 主要な課題の1つは、操作的な政治的物語と正当な批判の区別である。 このアプローチは、12万以上のソーシャルメディア投稿に適用され、41の異なる操作的物語クラスタを効果的に特定した。
• 参考スコア（独自算出の注目度）: 0.649970685896541
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a new computational framework for detecting and structuring manipulative political narratives. A task that became more important due to the shift of political discussions to social media. One of the primary challenges thereby is differentiating between manipulative political narratives and legitimate critiques. Some posts may also reframe actual events within a manipulative context. To achieve good clustering results, we filter manipulative posts beforehand using a detailed few-shot prompt that combines documented campaign narratives with legitimate criticisms to differentiate them. This prompt enables a reasoning model to assign labels, retaining only manipulative narrative posts for further processing. The remaining posts are subsequently embedded and dimensionality-reduced using UMAP, before HDBSCAN is applied to uncover narrative groups. A key advantage of this unsupervised approach is its independence from a predefined list of target categories, enabling it to uncover new narrative clusters. Finally, a reasoning model is employed to uncover the narrative behind each cluster. This approach, applied to over 1.2 million social media posts, effectively identified 41 distinct manipulative narrative clusters by integrating prompt-based filtering with unsupervised clustering.
• Abstract（参考訳）: 本稿では,操作型政治物語の検出と構造化のための新しい計算フレームワークを提案する。 ソーシャルメディアへの政治的議論の移り変わりにより、より重要になった課題。 したがって、主要な課題の1つは、操作的な政治的物語と正当な批判の区別である。 一部の投稿は、操作的なコンテキスト内で実際のイベントを再構成することもある。 良好なクラスタリング結果を得るために,文書化されたキャンペーンの物語と正統な批判を組み合わせた詳細な数発のプロンプトを用いて,事前に操作的投稿をフィルタリングして区別する。 このプロンプトにより、推論モデルはラベルを割り当て、さらなる処理のためにマニピュティブな物語ポストのみを保持することができる。 その後、HDBSCANが物語群に適用される前に、残りのポストを埋め込み、UMAPを用いて次元を再現する。 この教師なしアプローチの重要な利点は、事前に定義された対象カテゴリのリストから独立して、新たな物語クラスタを発見できることだ。 最後に、各クラスタの背後にあるストーリを明らかにするために、推論モデルが使用される。 このアプローチは、120万以上のソーシャルメディア投稿に適用され、プロンプトベースのフィルタリングと教師なしクラスタリングを統合することで、41の異なる操作的物語クラスタを効果的に特定した。

関連論文リスト

• Retrieving Climate Change Disinformation by Narrative [8.38832892170716]
  我々は,ナラティブ検出を検索タスクとして再編成し,ナラティブのコアメッセージをクエリとして与え,そのナラティブと整合してコーパスからテキストをランク付けする。 抽象的な記述と具体的なテキストのインスタンス化のギャップを埋めるための仮説文書を生成するフレームワークであるSpecFiを提案する。
  論文  参考訳（メタデータ） (2026-03-23T14:26:18Z)
• TopiCLEAR: Topic extraction by CLustering Embeddings with Adaptive dimensional Reduction [0.0]
  TopiCLEAR: 適応次元還元による埋め込みのクラスタリングによるトピック抽出について述べる。 我々は、20News、AgNewsTitle、Reddit、TweetTopicの4つの多様なデータセットに対するアプローチを評価した。 本手法はより解釈可能なトピックを生成し,ソーシャルメディアデータやWebコンテンツ分析への応用の可能性を強調した。
  論文  参考訳（メタデータ） (2025-12-07T07:01:28Z)
• Fine-grained Narrative Classification in Biased News Articles [10.412867371293629]
  本稿では, 偏りのあるニュース記事において, よりきめ細かな物語分類を提案する。 また、物語分類の先駆的課題として記事バイアス分類についても検討する。 InDI-PROPはイデオロギー的に基礎を成した最初の詳細な物語データセットである。
  論文  参考訳（メタデータ） (2025-12-03T09:07:52Z)
• Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
  ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。 われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。 提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
  論文  参考訳（メタデータ） (2025-10-16T20:30:20Z)
• Conflicts, Villains, Resolutions: Towards models of Narrative Media Framing [19.589945994234075]
  我々は、物語の要素を明示的に捉えたコミュニケーション科学から、広く使われているフレーミングの概念化を再考する。 我々は、複雑なアノテーションタスクをより単純なバイナリー質問に分解する効果的なアノテーションパラダイムを適用します。 教師付きおよび半教師付きアプローチによるフレームの自動マルチラベル予測について検討する。
  論文  参考訳（メタデータ） (2023-06-03T08:50:13Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Goal-Driven Explainable Clustering via Language Descriptions [50.980832345025334]
  我々は新しいタスク定式化"Goal-Driven Clustering with Explanations"(GoalEx)を提案する。 GoalExは、ゴールと説明の両方を自由形式の言語記述として表現している。 提案手法は,従来の手法よりも精度が高く,目標に関連のある説明を導出する。
  論文  参考訳（メタデータ） (2023-05-23T07:05:50Z)
• Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
  同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。 同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。 我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
  論文  参考訳（メタデータ） (2021-06-15T20:55:55Z)

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。