論文の概要: Detecting Synthetic Political Narratives in Cross-Platform Social Media Discourse

• arxiv url: http://arxiv.org/abs/2605.21540v1
• Date: Wed, 20 May 2026 07:58:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.932419
• Title: Detecting Synthetic Political Narratives in Cross-Platform Social Media Discourse
• Title（参考訳）: ソーシャル・メディア・談話における合成的政治的ナラティブの検出
• Authors: Despoina Antonakaki, Sotiris Ioannidis,
• Abstract要約: 本稿では,合成政治物語を検出するためのクロスプラットフォームフレームワークを提案する。 語彙的多様性D(C)、時間的バーストネスB(C)、修辞的反復R(C)、意味的同化H(C)の4つの調整信号を合成的ナラティブコーディネートSNC(C)に結合する。 その結果、IntelSlavaは最も低い語彙多様性(MATTR 0.52--0.54)、最も高いバーストネス(B=+0.48-+0.73)、そして6つのイベントウィンドウのうち4つで上位のSNC(C)にランクインしたピアチャネル(Jaccard 0.12)と高い修辞的重複(Jaccard 0.12)を示した。
• 参考スコア（独自算出の注目度）: 4.282746516699565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proliferation of large language models has introduced a new paradigm of synthetic political communication in which narratives may be generated, semantically coordinated, and strategically disseminated across platforms at scale. We present a cross-platform framework for detecting synthetic political narratives using four coordination signals -- lexical diversity D(C), temporal burstiness B(C), rhetorical repetition R(C), and semantic homogenization H(C) -- combined into a Synthetic Narrative Coordination Score SNC(C). We apply the framework to a corpus of 353,223 records spanning six geopolitical event windows collected from six Telegram channels and nine Reddit communities (2023--2026). Results show that IntelSlava exhibits the lowest lexical diversity (MATTR 0.52--0.54), the highest burstiness (B=+0.48 to +0.73), and the highest rhetorical overlap with peer channels (Jaccard 0.12), ranking first in the composite SNC(C) on four of six event windows (SNC 0.45--0.60). Rybar ranks last on all windows despite its high semantic homogenization, because its Russian-language output yields high lexical diversity and near-zero rhetorical Jaccard with English-language channels -- demonstrating that no single indicator is sufficient for coordination detection. Multi-dimensional SNC(C) scoring provides a more robust and interpretable signal than any individual metric.
• Abstract（参考訳）: 大規模言語モデルの拡散は、物語を生成、意味的コーディネートし、大規模プラットフォーム間で戦略的に散布することのできる、新しい合成政治コミュニケーションのパラダイムを導入している。 本稿では4つの協調信号(語彙多様性D(C)、時間的バーストネスB(C)、修辞的反復R(C)、意味的同化H(C))を用いて合成政治的物語を検出するクロスプラットフォームフレームワークについて述べる。 6つのテレグラムチャンネルと9つのRedditコミュニティから収集された6つの地政学的イベントウィンドウ(2023-2026)にまたがる353,223レコードのコーパスに適用し、その結果、IntelSlavaは最も低い語彙多様性(MATTR 0.52-0.54)、最も高いバーストネス(B=+0.48-+0.73)、そして最も高い修辞的なオーバーラップ(Jaccard 0.12)を示し、6つのイベントウィンドウのうち4つ(SNC 0.45-0.60)でSNC(C)にランクインした。 ロシア語の出力は語彙の多様性が高く、英語のチャンネルを持つほぼゼロに近い修辞的なジャカードを生成するため、セマンティックな均質化が進んでいるにもかかわらず、すべてのウィンドウでRybarは最後にランクインしている。 多次元SNC(C)スコアは、どの計量よりも頑健で解釈可能な信号を提供する。

関連論文リスト

• CascadeMind at SemEval-2026 Task 4: A Hybrid Neuro-Symbolic Cascade for Narrative Similarity [0.0]
  物語の類似性に関するSemEval-2026タスク4のためのハイブリッド型ニューロシンボリックシステムを提案する。 提案手法は, ニューラルネットワークによる自己整合性投票と, シンボリック・タイブレーカとして機能する新しいマルチスケールナラティブ・アナリティクス・アンサンブルを組み合わせたものである。
  論文  参考訳（メタデータ） (2026-01-12T00:30:38Z)
• Multi-Level Embedding Conformer Framework for Bengali Automatic Speech Recognition [2.235406148098187]
  本研究では,Bengali ASRのエンドツーエンドフレームワークを提案する。 マルチレベル埋め込み融合機構を備えたConformer-CTCバックボーン上に構築されている。 このモデルは、きめ細かい音素の手がかりと高レベルの文脈パターンをキャプチャする。
  論文  参考訳（メタデータ） (2025-12-23T04:39:12Z)
• SAND Challenge: Four Approaches for Dysartria Severity Classification [5.861388632093299]
  本稿では, 難治度を分類するための4つの異なるモデリング手法について統一的な研究を行った。 すべてのモデルは、共通の音声記録データセットを使用して、同じ5つのクラス分類タスクに取り組む。 その結果,XGBoostアンサンブルは最大マクロF1(0.86)を達成する一方,深層学習モデル(ViT,CNN,BiLSTM)は競合するF1スコア(0.70)を得ることができた。
  論文  参考訳（メタデータ） (2025-12-02T11:51:38Z)
• A Dynamic Framework for Semantic Grouping of Common Data Elements (CDE) Using Embeddings and Clustering [0.782496834711349]
  本研究の目的は、異種バイオメディカルデータセット間の共通データ要素(CDE)の調和を容易にする動的でスケーラブルなフレームワークを開発することである。 本手法では,CDEを意味的関係やパターンをキャプチャする高密度ベクトルに変換するコンテキスト対応テキスト埋め込みに,Large Language Models (LLMs) を利用する。
  論文  参考訳（メタデータ） (2025-06-02T18:43:37Z)
• POSTER: A Multi-Signal Model for Detecting Evasive Smishing [2.7039386580759666]
  本研究では,国別セマンティックタグ,構造パターンタグ,文字レベルのスタイリスティックキュー,文脈語句埋め込みを組み合わせたマルチチャネルスマイシング検出モデルを提案する。 私たちは、24,086個のスマイシングサンプルを含む5つのデータセットで84,000以上のメッセージをキュレートし、レバーベリングしました。 我々の統合アーキテクチャは、97.89%の精度、0.963のF1スコア、99.73%のAUCを達成し、多種多様な言語的および構造的手がかりを捉え、シングルストリームモデルより優れている。
  論文  参考訳（メタデータ） (2025-05-23T12:45:34Z)
• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• FLIP: Fine-grained Alignment between ID-based Models and Pretrained Language Models for CTR Prediction [49.510163437116645]
  クリックスルーレート(CTR)予測は、パーソナライズされたオンラインサービスにおいてコア機能モジュールとして機能する。 CTR予測のための従来のIDベースのモデルは、表形式の1ホットエンコードされたID特徴を入力として取る。 事前訓練された言語モデル(PLM)は、テキストのモダリティの文を入力として取る別のパラダイムを生み出した。 本稿では,CTR予測のためのIDベースモデルと事前学習言語モデル(FLIP)間の細粒度特徴レベルのアライメントを提案する。
  論文  参考訳（メタデータ） (2023-10-30T11:25:03Z)
• Speech collage: code-switched audio generation by collaging monolingual corpora [50.356820349870986]
  Speech Collage は音声セグメントをスプライシングすることでモノリンガルコーパスからCSデータを合成する手法である。 2つのシナリオにおける音声認識における生成データの影響について検討する。
  論文  参考訳（メタデータ） (2023-09-27T14:17:53Z)
• mCL-NER: Cross-Lingual Named Entity Recognition via Multi-view Contrastive Learning [54.523172171533645]
  CrossNERは多言語コーパスの不足により不均一な性能から生じる課題に直面している。 言語横断的名前付きエンティティ認識(mCL-NER)のためのマルチビューコントラスト学習を提案する。 40言語にまたがるXTREMEベンチマーク実験では、従来のデータ駆動型およびモデルベースアプローチよりもmCL-NERの方が優れていることを示した。
  論文  参考訳（メタデータ） (2023-08-17T16:02:29Z)
• A Vector Quantized Approach for Text to Speech Synthesis on Real-World Spontaneous Speech [94.64927912924087]
  我々は、YouTubeやポッドキャストから現実の音声を使ってTSシステムを訓練する。 最近のText-to-Speechアーキテクチャは、複数のコード生成とモノトニックアライメントのために設計されている。 近年のテキスト・トゥ・スペーチ・アーキテクチャは,いくつかの客観的・主観的尺度において,既存のTSシステムより優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-08T17:34:32Z)

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。