論文の概要: Echoes of Unrest: A Multimodal NLP Framework for Early Warning of Fake News and Violence-Driven Mob Activity

• arxiv url: http://arxiv.org/abs/2607.02734v1
• Date: Thu, 02 Jul 2026 20:05:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.409128
• Title: Echoes of Unrest: A Multimodal NLP Framework for Early Warning of Fake News and Violence-Driven Mob Activity
• Title（参考訳）: Echoes of Unrest: フェイクニュースの早期警告と暴力駆動型モブアクティビティのためのマルチモーダルNLPフレームワーク
• Abstract要約: ソーシャルメディアは、迅速な情報交換を可能にすることで、グローバルなコミュニケーションを変革してきたが、誤報の拡散を加速させた。 フェイクニュース、操作されたコンテンツ、挑発的な物語は、社会的不安、政治的不安定性、暴徒の暴力とますます結びついている。 この章では、誤情報や暴力が引き起こすダイナミクスを早期に検出するための多言語多モーダル自然言語処理フレームワークを提示します。
• 参考スコア（独自算出の注目度）: 6.0224898709154076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid growth in social media has transformed global communication by enabling fast information exchange, but it has also accelerated the spread of misinformation. Fake news, manipulated content, and provocative narratives are increasingly linked to social unrest, political instability, and mob violence. Incidents in South Asia and elsewhere demonstrate how false information disseminated via platforms such as Facebook and WhatsApp can trigger real-world harm, often spreading faster than fact-checking efforts can respond. To address this challenge, this chapter presents a multilingual, multimodal Natural Language Processing (NLP) framework for early detection of misinformation and violence-prone dynamics. A fused dataset of 138,256 Bangla and English samples was created by combining multiple benchmark datasets. The framework integrates XLM-RoBERTa for multilingual text representation, CLIP for visual embedding, and a multi-head attention mechanism for multimodal fusion, enhanced with auxiliary features such as sarcasm and geospatial metadata. Experiments on a stratified 30% subset achieved 98% test accuracy with strong precision and recall. The outcomes show the efficacy of multimodal approaches in early misinformation detection and highlight the added value of geospatial signals for anticipating real-world escalation.
• Abstract（参考訳）: ソーシャルメディアの急速な成長は、迅速な情報交換を可能にすることでグローバルなコミュニケーションを変革させたが、誤情報の拡散を加速させた。 フェイクニュース、操作されたコンテンツ、挑発的な物語は、社会的不安、政治的不安定性、暴徒の暴力とますます結びついている。 南アジアなどで起きた出来事は、FacebookやWhatsAppなどのプラットフォームを通じて拡散された偽情報が現実世界の害を誘発し、ファクトチェックの取り組みが反応するよりも速く拡散することを示す。 この課題に対処するため、この章では、誤情報や暴力が引き起こすダイナミクスを早期に検出するための多言語多モーダル自然言語処理(NLP)フレームワークを提示する。 複数のベンチマークデータセットを組み合わせることで、138,256のバングラと英語のサンプルの融合データセットが作成された。 このフレームワークは、多言語テキスト表現のためのXLM-RoBERTa、視覚埋め込みのためのCLIP、マルチモーダルフュージョンのためのマルチヘッドアテンション機構を統合し、サルカズムや地理空間メタデータなどの補助的特徴で強化されている。 階層化された30%のサブセットの実験は、強い精度とリコールで98%のテスト精度を達成した。 その結果,早期誤報検出におけるマルチモーダルアプローチの有効性が示され,実世界のエスカレーションを予測するための地理空間信号の付加価値が強調された。

関連論文リスト

• MMMMM: A Unified Taxonomy for Investigating the Mechanisms of Multilingual MultiModal Misinformation [45.9148426649897]
  ソーシャルメディア上のマルチモーダルな誤報は、非常に普及し、強力で、有害であり、検出と対応が困難である。 マルチモーダル誤情報の性質と偽造戦略に関する研究は、実世界の文脈に根ざしたマルチモーダル誤情報の欠如によって妨げられている。 本研究は,データの詳細な質的分析とそれ以前の理論的研究に基づく,多モーダル誤報の包括的分類法を開発する。
  論文  参考訳（メタデータ） (2026-08-30T09:30:19Z)
• ZoFia: Zero-Shot Fake News Detection with Entity-Guided Retrieval and Multi-LLM Interaction [14.012874564599272]
  ZoFiaは、2段階のゼロショットフェイクニュース検出フレームワークである。 まず,ニュースコンテンツにおけるエンティティの重要性を定量化するために階層的サリエンスを導入する。 そこで我々はSC-MMRアルゴリズムを提案し,情報的かつ多様なキーワード群を効果的に選択する。
  論文  参考訳（メタデータ） (2025-11-03T03:29:42Z)
• Towards Explainable Bilingual Multimodal Misinformation Detection and Localization [64.37162720126194]
  BiMiは、地域レベルのローカライゼーション、言語間および言語間整合性検出、誤情報解析のための自然言語説明を共同で行うフレームワークである。 BiMiBenchは、実際のニュース画像とサブタイトルを体系的に編集するベンチマークである。 BiMiは、分類精度が+8.9で、ローカライゼーション精度が+15.9で、BERTScoreを+2.5で上回る。
  論文  参考訳（メタデータ） (2025-06-28T15:43:06Z)
• Exploring Modality Disruption in Multimodal Fake News Detection [16.607714608483164]
  本稿では,モダリティ破壊問題に対処するため,マルチモーダルな偽ニュース検出フレームワークFND-MoEを提案する。 FND-MoEは、それぞれのデータセットで3.45%と3.71%の精度向上により、最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-04-12T09:39:29Z)
• Modality Interactive Mixture-of-Experts for Fake News Detection [13.508494216511094]
  フェイクニュース検出のためのModality Interactive Mixture-of-Experts(MIMoE-FND)を提案する。 MIMoE-FNDは、マルチモーダルフェイクニュース検出を強化するために設計された、新しい階層型Mixture-of-Expertsフレームワークである。 2つの言語にまたがる3つの実世界のベンチマークに対する我々のアプローチを評価し、最先端の手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2025-01-21T16:49:00Z)
• A Self-Learning Multimodal Approach for Fake News Detection [35.98977478616019]
  偽ニュース分類のための自己学習型マルチモーダルモデルを提案する。 このモデルは、ラベル付きデータを必要としない機能抽出のための堅牢な手法であるコントラスト学習を利用する。 公開データセットを用いた実験結果から,提案モデルがいくつかの最先端の分類手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-08T07:41:44Z)
• SIDA: Social Media Image Deepfake Detection, Localization and Explanation with Large Multimodal Model [48.547599530927926]
  ソーシャルメディア上で共有される合成画像は、広範囲の聴衆を誤解させ、デジタルコンテンツに対する信頼を損なう可能性がある。 ソーシャルメディア画像検出データセット(SID-Set)を紹介する。 本稿では,SIDA という画像深度検出,局所化,説明の枠組みを提案する。
  論文  参考訳（メタデータ） (2024-12-05T16:12:25Z)
• Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
  ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。 本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
  論文  参考訳（メタデータ） (2022-12-27T16:08:49Z)
• Multimodal Fake News Detection with Adaptive Unimodal Representation Aggregation [28.564442206829625]
  AURAは、適応的な一助表現アグリゲーションを備えたマルチモーダルフェイクニュース検出ネットワークである。 我々は,一様および多様の表現に従って,粗いレベルの偽ニュース検出とクロスモーダルな共存学習を行う。 WeiboとGossipcopの実験は、AURAがいくつかの最先端のFNDスキームに勝つことを証明している。
  論文  参考訳（メタデータ） (2022-06-12T14:06:55Z)
• Multimodal Categorization of Crisis Events in Social Media [81.07061295887172]
  本稿では,画像とテキストの両方を入力として利用するマルチモーダル融合法を提案する。 特に、弱モダリティから非形式的および誤解を招くコンポーネントをフィルタリングできるクロスアテンションモジュールを導入する。 本手法は,3つの危機関連タスクにおいて,一様アプローチと強いマルチモーダルベースラインを大きなマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-04-10T06:31:30Z)
• 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。