論文の概要: Predicting, Evaluating, and Explaining Top Misinformation Spreaders via Archetypal User Behavior

• arxiv url: http://arxiv.org/abs/2608.16323v1
• Date: Mon, 17 Aug 2026 09:28:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.619668
• Title: Predicting, Evaluating, and Explaining Top Misinformation Spreaders via Archetypal User Behavior
• Title（参考訳）: 考古学的ユーザ行動によるトップ情報拡散の予測・評価・説明
• Abstract要約: ソーシャルネットワーク上の誤情報の普及は、オンラインコミュニティや社会全体に大きな課題をもたらしている。 本稿では, 有害なコンテンツの拡散に関連する重要な行動指標に従って, ユーザを識別・ランク付けし, 積極的な介入を可能にすることによって, 誤情報の拡散を緩和することを目的とする。
• 参考スコア（独自算出の注目度）: 0.9978961706999835
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The spread of misinformation on social networks poses a significant challenge to online communities and society at large. Not all users contribute equally to this phenomenon: a small number of highly effective individuals can exert outsized influence, amplifying false narratives and contributing to significant societal harm. This paper seeks to mitigate the spread of misinformation by enabling proactive interventions, identifying and ranking users according to key behavioral indicators associated with harmful content dissemination. We examine three user archetypes -- amplifiers, super-spreaders, and coordinated accounts -- each characterized by distinct behavioral patterns in the dissemination of misinformation. These are not mutually exclusive, and individual users may exhibit characteristics of multiple archetypes. We develop and evaluate several user ranking models, each aligned with a specific archetype, and find that super-spreader traits consistently dominate the top ranks among the most influential misinformation spreaders. As we move down the ranking, however, the interplay of multiple archetypes becomes more prominent. Additionally, we demonstrate the critical role of temporal dynamics in predictive performance, and introduce methods that reduce data requirements by minimizing the observation window needed for accurate forecasting. Finally, we demonstrate the utility and benefits of explainable AI (XAI) techniques, integrating multiple archetypal traits into a unified model to enhance interpretability and offer deeper insight into the key factors driving misinformation propagation. Our findings provide actionable tools for identifying potentially harmful users and guiding content moderation strategies, enabling platforms to monitor accounts of concern more effectively.
• Abstract（参考訳）: ソーシャルネットワーク上の誤情報の普及は、オンラインコミュニティや社会全体に大きな課題をもたらしている。 すべてのユーザがこの現象に等しく貢献するわけではない: 少数の非常に効果的な個人は、非常に大きな影響力を行使し、偽の物語を増幅し、社会に重大な害を与える。 本稿では, 有害なコンテンツの拡散に関連する重要な行動指標に従って, ユーザを識別・ランク付けし, 積極的な介入を可能にすることによって, 誤情報の拡散を緩和することを目的とする。 本研究では,アンプ,スーパースプレッダ,コーディネートアカウントの3つのユーザアーチタイプについて,誤情報の拡散における行動パターンの特徴について検討した。 これらは相互排他的ではなく、個々の利用者は複数のアーチタイプの特徴を示すことができる。 我々は,複数のユーザランキングモデルを開発し評価し,それぞれが特定のアーキタイプに整合し,最も影響力のある誤情報スプレッダーの中で,スーパースプレッダー特性が常に上位を占めることを発見した。 しかし、ランクを下げるにつれて、複数のアーチタイプの相互作用がより顕著になる。 さらに,予測性能における時間的ダイナミクスの重要性を実証し,正確な予測に必要な観測窓を最小化することにより,データ要求を最小化する手法を提案する。 最後に、説明可能なAI(XAI)技術の有用性とメリットを実証し、複数のアーチティパル特性を統一モデルに統合し、解釈可能性を高め、誤情報伝達を駆動する重要な要因についてより深い洞察を提供する。 この発見は、潜在的に有害なユーザを特定し、コンテンツモデレーション戦略を導くための実用的なツールを提供し、プラットフォームがより効果的に関心のあるアカウントを監視することを可能にする。

関連論文リスト

• Fair Deepfake Detectors Can Generalize [51.21167546843708]
  共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。 この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。 DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
  論文  参考訳（メタデータ） (2025-07-03T14:10:02Z)
• Preserving Individuality while Following the Crowd: Understanding the Role of User Taste and Crowd Wisdom in Online Product Rating Prediction [31.42047941275096]
  ユーザレベルでも製品レベルでも,歴史的評価を重視したユニークな,実践的なアプローチを提案する。 このアプローチを高度にスケーラブルで容易にデプロイ可能な,効率的なデータ処理戦略を開発しました。
  論文  参考訳（メタデータ） (2024-09-06T23:16:06Z)
• Characterizing User Archetypes and Discussions on Scored.co [0.6321194486116923]
  ソーシャルハイパーネットワークにおけるノードとハイパーエッジを特徴付けるためのフレームワークを提案する。 Scored.coに焦点をあてる。 本研究は,社会的ダイナミクスの理解における高次相互作用の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-07-31T17:18:25Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Supervised Contrastive Learning for Affect Modelling [2.570570340104555]
  情報に影響を及ぼすことを考慮に入れた訓練表現のための3つの異なる教師付きコントラスト学習手法を導入する。 その結果、コントラスト学習の表現能力と、影響モデルの精度を高めるための効率が示された。
  論文  参考訳（メタデータ） (2022-08-25T17:40:19Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)
• Characterizing User Susceptibility to COVID-19 Misinformation on Twitter [40.0762273487125]
  本研究は、パンデミックのオンライン誤報に弱い人口を構成する人々への回答を試みる。 我々は、ソーシャルボットから、新型コロナウイルス関連の誤情報に関するさまざまなレベルのエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。 次に、新型コロナウイルスの誤情報に対する感受性と相関する、ユーザのオンライン機能と状況予測を識別する。
  論文  参考訳（メタデータ） (2021-09-20T13:31:15Z)
• Adversarial Graph Embeddings for Fair Influence Maximization over Social Networks [32.795094910922614]
  埋め込みのための自動エンコーダと、センシティブな属性を識別するための識別器を共同で訓練する。 次に、埋め込みをクラスタ化することで、良い初期セットを見つけます。 通常、公正性と影響対象との間にはトレードオフがあるが、我々の合成および実世界のデータセットに関する実験は、我々のアプローチが相違を劇的に減少させることを示している。
  論文  参考訳（メタデータ） (2020-05-08T14:50:12Z)
• Self-Attention Attribution: Interpreting Information Interactions Inside Transformer [89.21584915290319]
  本稿では,トランスフォーマー内の情報相互作用を解釈する自己帰属属性法を提案する。 本研究は,BERT に対する非目標攻撃の実装において,その属性を敵対パターンとして用いることができることを示す。
  論文  参考訳（メタデータ） (2020-04-23T14:58:22Z)

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。