論文の概要: Graph-Based Detection of Disinformation Narrative Diffusion between Russian and Ukrainian Telegram Channels

• arxiv url: http://arxiv.org/abs/2607.11894v1
• Date: Sat, 09 May 2026 08:35:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:12.998962
• Title: Graph-Based Detection of Disinformation Narrative Diffusion between Russian and Ukrainian Telegram Channels
• Title（参考訳）: グラフによるロシアとウクライナのテレグラムチャンネル間の情報拡散の検出
• Abstract要約: 本稿では,Telegramエコシステムにおける偽情報物語の識別と分析のためのグラフベースのフレームワークを提案する。 このアプローチは意味論的に関連する主張を物語レベルのクラスタに集約し、相互接続されたチャネル間の拡散をモデル化する。
• 参考スコア（独自算出の注目度）: 3.307377521803888
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Detecting disinformation narratives on social media is challenging due to the scale of amplification, rapid evolution, and linguistic variability of online content. We propose a graph-based framework for identifying and analyzing disinformation narratives in Telegram ecosystems by combining weak supervision with propagation graph analysis. The approach aggregates semantically related claims into narrative-level clusters and models their diffusion across interconnected channels. This enables the detection of coordinated narrative amplification that is difficult to capture through post-level analysis alone. Our results demonstrate that integrating textual signals with network structure provides a scalable method for detecting disinformation narratives and offers insights into how they propagate within large-scale messaging environments.
• Abstract（参考訳）: ソーシャルメディア上での偽情報物語の検出は、オンラインコンテンツの増幅、急速な進化、言語的多様性のために困難である。 本稿では,弱い監督と伝播グラフ解析を組み合わせることで,テレグラム生態系における偽情報物語を識別・解析するためのグラフベースのフレームワークを提案する。 このアプローチは意味論的に関連する主張を物語レベルのクラスタに集約し、相互接続されたチャネル間の拡散をモデル化する。 これにより、ポストレベル分析だけでは捉え難い協調的物語増幅の検出が可能になる。 この結果から,テキスト信号とネットワーク構造を組み合わせることで,情報伝達を検知するスケーラブルな手法が実現され,大規模メッセージング環境内でどのように伝播するかが示唆された。

関連論文リスト

• The Attention Triangle in Audio-Video Models [67.46972888113658]
  音声・ビデオ拡散モデルは、テキスト、音声、視覚内容の調整にモーダルな注意を頼っているが、この機構は微妙で体系的な意味的漏洩をもたらす可能性がある。 テキスト,音声,ビデオストリームを接続する3つの横断的エッジからなる「注意三角形」を探索し,解析することにより,これらのモデルについて検討する。 音声は映像生成に影響を及ぼし、ビデオは音声生成に影響を及ぼす。
  論文  参考訳（メタデータ） (2026-09-03T09:33:27Z)
• Leveraging Text-to-Image Diffusion Models for Unsupervised Visual Object Tracking [53.08526613328243]
  教師なしの視覚的オブジェクト追跡は、地味なアノテーションをトレーニングすることなく、任意のターゲットをビデオで追従する必要がある難しいタスクである。 我々はテキストから画像への拡散モデルを構築し、事前訓練されたモデルに符号化されたリッチな意味知識を活用する。 我々の方法Diff-Trackingは、初期プロンプト学習者とオンラインプロンプト更新者という2つの主要コンポーネントから構成されている。
  論文  参考訳（メタデータ） (2026-05-26T12:26:56Z)
• Graph Neural Networks for Jamming Source Localization [0.23408308015481666]
  ソースローカライゼーションを妨害するグラフベースの学習の最初の応用について紹介する。 提案手法は,局所および大域的な信号集約を符号化する構造化ノード表現を統合する。 その結果,新しいグラフベースの学習フレームワークは,確立されたローカライゼーションベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-06-01T14:29:25Z)
• 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)
• Bridging Nodes and Narrative Flows: Identifying Intervention Targets for Disinformation on Telegram [1.124958340749622]
  本稿では,テレグラム上での誤報の伝播を促進する構造機構について検討する。 我々は, ニューダルテレグラムチャネルの影響を定量化するために, 多次元「ブリッジング」メトリックを導入する。 ノードの小さなサブセットを発見し、このプラットフォームで情報「フロー」を象徴するパターンを特定します。
  論文  参考訳（メタデータ） (2024-11-08T19:10:42Z)
• Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
  GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。 提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
  論文  参考訳（メタデータ） (2024-06-18T13:35:25Z)
• Discovering Communication Pattern Shifts in Large-Scale Labeled Networks using Encoder Embedding and Vertex Dynamics [15.672962997741385]
  ソーシャルメディアや電子メール通信などの大規模時系列ネットワークデータを分析することは、大きな課題となる。 本稿では,大規模グラフデータの効率的な埋め込みを可能にする時間エンコーダ埋め込み手法を提案する。 我々は,大規模組織から匿名化された時系列通信ネットワークを解析することによって,我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-05-03T18:38:01Z)
• Contextual information integration for stance detection via cross-attention [59.662413798388485]
  スタンス検出は、著者の目標に対する姿勢を特定することを扱う。 既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。 文脈情報をテキストとして統合する手法を提案する。
  論文  参考訳（メタデータ） (2022-11-03T15:04:29Z)
• Text Enriched Sparse Hyperbolic Graph Convolutional Networks [21.83127488157701]
  グラフニューラルネットワーク(GNN)とその双曲型は、そのようなネットワークを低次元の潜在空間でエンコードするための有望なアプローチを提供する。 本稿では,グラフのメタパス構造を意味信号を用いて捉えるために,テキスト強化スパースハイパーボリックグラフ畳み込みネットワーク(TESH-GCN)を提案する。 我々のモデルは,リンク予測のタスクにおいて,最先端のアプローチよりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2022-07-06T00:23:35Z)
• Span Classification with Structured Information for Disfluency Detection in Spoken Utterances [47.05113261111054]
  本稿では,音声音声からテキスト中の不一致を検出する新しいアーキテクチャを提案する。 提案手法は, 広範に使われているイングリッシュスイッチボードを用いて, ディフルエンシ検出の最先端化を実現する。
  論文  参考訳（メタデータ） (2022-03-30T03:22:29Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
  原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。 予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
  論文  参考訳（メタデータ） (2020-11-27T10:43:04Z)

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。