論文の概要: A Multi-Layer AI Framework for Information Landscape Analysis
- arxiv url: http://arxiv.org/abs/2606.26115v1
- Date: Fri, 22 May 2026 16:02:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-28 23:46:52.331653
- Title: A Multi-Layer AI Framework for Information Landscape Analysis
- Title（参考訳）: 情報景観分析のための多層AIフレームワーク
- Abstract要約: 本稿では,情報障害の文脈における情報ランドスケープ解析のための多層AIフレームワークを提案する。
誤情報検出を二元的事実チェックのタスクとして扱うのではなく、複数の次元にわたる政治的・メディアコンテンツを分析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper proposes a multi-layer AI framework for information landscape analysis in the context of information disorder. Rather than treating misinformation detection as a binary fact-checking task, the framework analyzes political and media content across multiple dimensions, including source reliability, factual structure, framing, bias, emotional activation, manipulation patterns, and propagation dynamics. The goal is to move beyond isolated claim verification toward a structured representation of the informational environment surrounding an event, entity, or narrative. We argue that AI systems for media analysis should support epistemic mapping: a transparent, multi-dimensional account of how facts, interpretations, actors, and narratives interact over time. The paper presents the conceptual architecture, analytical layers, and methodological rationale of the framework, with the aim of supporting more nuanced, explainable, and critically useful tools for information disorder research.
- Abstract（参考訳）: 本稿では,情報障害の文脈における情報ランドスケープ解析のための多層AIフレームワークを提案する。
このフレームワークは、誤情報検出をバイナリな事実チェックタスクとして扱うのではなく、ソース信頼性、事実構造、フレーミング、バイアス、感情の活性化、操作パターン、伝播ダイナミクスなど、複数の次元にわたる政治的およびメディアコンテンツを分析する。
目的は、独立したクレーム検証を超えて、イベント、エンティティ、または物語を取り巻く情報環境の構造化された表現に移行することである。
メディア分析のためのAIシステムは、エピステマティックマッピングをサポートするべきだ、と我々は主張する。
本稿では, 情報障害研究において, より曖昧で説明しやすい, 重要なツールをサポートすることを目的とした, フレームワークの概念的アーキテクチャ, 分析的レイヤ, 方法論的理論的根拠について述べる。
関連論文リスト
- Large-Scale Multidimensional Knowledge Profiling of Scientific Literature [46.15403461273178]
2020年から2025年の間に、22の主要なカンファレンスから10万以上の論文をまとめてまとめました。
分析では,安全性の向上,マルチモーダル推論,エージェント指向研究など,いくつかの顕著な変化に注目した。
これらの発見は、AI研究の進化に関するエビデンスベースの見解を提供し、より広範なトレンドを理解し、新たな方向性を特定するためのリソースを提供する。
論文 参考訳（メタデータ） (2026-01-21T16:47:05Z) - Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
文書理解は、財務分析から科学的発見への応用に不可欠である。
現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。
Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
論文 参考訳（メタデータ） (2025-10-17T02:33:16Z) - Structured Attention Matters to Multimodal LLMs in Document Understanding [52.37530640460363]
入力形式が文書理解性能に与える影響について検討する。
生のOCRテキストはMLLMの性能を向上するのではなく、しばしば機能不全であることがわかった。
本稿では,LaTexパラダイムを用いて文書要素を符号化する構造保存手法を提案する。
論文 参考訳（メタデータ） (2025-06-19T07:16:18Z) - VisTopics: A Visual Semantic Unsupervised Approach to Topic Modeling of Video and Image Data [0.0]
この研究は、大規模なビジュアルデータセットを分析するために設計された計算フレームワークであるVisTopicsを紹介した。
VisTopicsを452のNBC Newsビデオのデータセットに適用すると、11,070フレームを6,928の重複フレームに減らし、セマンティックに分析して35のトピックを明らかにした。
論文 参考訳（メタデータ） (2025-05-20T19:59:41Z) - Talking Point based Ideological Discourse Analysis in News Events [62.18747509565779]
本稿では,イデオロギー的談話分析理論をモチベーションとして,実世界の出来事に関するニュース記事を分析する枠組みを提案する。
我々のフレームワークは,話題のトピックとともに,エンティティ,役割,メディアフレーム間の相互作用を捉えた,会話ポイントという関係構造を用いたニュース記事を表現している。
我々は,人間の検証によって補足されたイデオロギーや分派的分類タスクを通じて,これらの視点を自動で生成するフレームワークの能力を評価する。
論文 参考訳（メタデータ） (2025-04-10T02:52:34Z) - A New Hybrid Intelligent Approach for Multimodal Detection of Suspected Disinformation on TikTok [0.0]
本研究では,深層学習の計算能力とファジィ論理の解釈可能性を組み合わせて,TikTokビデオにおける疑わしい偽情報を検出するハイブリッドフレームワークを提案する。
この手法は、テキスト、音声、ビデオからデータを抽出し評価するマルチモーダル特徴分析装置と、ファジィ論理に基づくマルチモーダル情報検出装置の2つのコアコンポーネントから構成される。
論文 参考訳（メタデータ） (2025-02-09T12:37:48Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オンロジはドメインの知識とメタデータを表現するために広く使われている。
直接支援できる論理的推論は、学習、近似、予測において非常に限られています。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Detecting misinformation through Framing Theory: the Frame Element-based
Model [6.4618518529384765]
私たちは、AIコミュニティの中で探索されていない領域である物語フレームのニュアンスな操作に焦点を当てています。
本稿では,事前学習された大規模言語モデルと深層ニューラルネットワークの力を利用して誤情報を検出する革新的な手法を提案する。
論文 参考訳（メタデータ） (2024-02-19T21:50:42Z) - Document AI: A Comparative Study of Transformer-Based, Graph-Based
Models, and Convolutional Neural Networks For Document Layout Analysis [3.231170156689185]
Document AIは、自然言語処理とコンピュータビジョン技術を活用して、文書を自動的に分析することを目的としている。
Document AIの主要なタスクの1つはドキュメントレイアウト分析であり、レイアウト、画像、テキストの内容と空間的関係を解釈することでドキュメントページを構造化する。
論文 参考訳（メタデータ） (2023-08-29T16:58:03Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z) - Survey on Visual Sentiment Analysis [87.20223213370004]
本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。
また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。
様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
論文 参考訳（メタデータ） (2020-04-24T10:15:22Z)
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。