論文の概要: A Multi-Branch Feature Fusion Approach for Health Misinformation Detection and Propagation

• arxiv url: http://arxiv.org/abs/2609.00403v1
• Date: Mon, 31 Aug 2026 21:36:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.104545
• Title: A Multi-Branch Feature Fusion Approach for Health Misinformation Detection and Propagation
• Title（参考訳）: 健康情報検出・伝播のためのマルチブランチ機能融合手法
• Abstract要約: 本稿では,オンラインソーシャルネットワーク(OSN)における健康情報の伝播を検知し,特徴付けるマルチブランチ融合フレームワークを提案する。 このフレームワークは、トランスフォーマーに基づくセマンティクスを、修辞的な手がかり、姿勢表現、心理的動機付けられたプロキシと融合させる。 Constraint、COVID--19_FNIR、Monkeypoxの3つのベンチマークデータセットの実験は、強力な分類性能を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a multi-branch fusion framework for detecting and characterising the propagation of health misinformation in online social networks (OSNs). Grounded in the Elaboration Likelihood Model (ELM) and the Theory of Planned Behaviour (TPB), the model fuses transformer-based semantics with rhetorical cues, stance representations, and psychologically motivated proxies in a unified multi-task architecture. In addition to binary classification, we introduce the Cognitive Propagation Score (CPS), an interpretable post-hoc auxiliary score computed from psychologically motivated, text-derived cues capturing argument complexity, emotional intensity, and content-derived virality potential, to support diffusion-risk reasoning when engagement ground truth is incomplete or unavailable. Experiments on three benchmark datasets, Constraint, COVID--19\_FNIR, and Monkeypox, show strong classification performance, achieving ROC--AUC up to 0.9999 on COVID--19\_FNIR, while propagation-oriented ranking achieves near-perfect agreement when engagement-derived supervision is available (Monkeypox, Spearman's $ρ= 0.9952$) and similarly high ranking alignment under proxy-based supervision on COVID--19\_FNIR ($ρ= 0.9954$). Compared with representative literature baselines, the fusion model improves detection on Constraint and COVID--19\_FNIR, while Monkeypox remains more challenging, reflecting domain- and signal-specific differences. Ablation analysis further indicates that psychological and rhetorical branches provide complementary gains beyond semantic embeddings. Overall, the framework bridges cognitive theory and neural modelling to improve transparency and to support scalable misinformation monitoring, with future work required to validate CPS against human-centred diffusion judgements.
• Abstract（参考訳）: 本稿では,オンラインソーシャルネットワーク(OSN)における健康情報の伝播を検知し,特徴付けるマルチブランチ融合フレームワークを提案する。 Elaboration Likelihood Model (ELM) と Planned Behaviour (TPB) に基礎を置いており、このモデルはトランスフォーマーをベースとしたセマンティクスを、修辞学的な手がかり、姿勢表現、そして統合マルチタスクアーキテクチャにおける心理的動機付けられたプロキシと融合させる。 二項分類に加えて、心的動機付けされたテキスト由来のテキスト由来の手がかりから計算した解釈可能なポストホック補助スコアであるCognitive Propagation Score(CPS)を導入し、エンゲージメント基底真理が不完全または不完全である場合に拡散リスク推論を支援する。 Constraint, COVID--19\_FNIR, Monkeypoxの3つのベンチマークデータセットの実験では、ROC-AUCをCOVID--19\_FNIRで最大0.9999まで達成する一方、プログレクション指向のランキングは、エンゲージメント指向の監視が利用可能である場合(Monkeypox, Spearman's $ρ= 0.9952$)と、同様に、プロキシベースのCOVID--19\_FNIR(ρ= 0.9954$)の監督下でのランキングアライメントと、一般的な文献ベースラインと比較すると、融合モデルは、ConstraintとCOVID--19\_FNIRでの検出を改善する一方、Monkeypoxはドメインと信号の違いを反映し、より困難である。 アブレーション分析は、心理学的および修辞的分岐が意味的な埋め込みを超えて補完的な利益をもたらすことをさらに示している。 全体として、このフレームワークは認知理論とニューラルモデリングを橋渡しし、透明性を改善し、スケーラブルな誤情報モニタリングをサポートする。

関連論文リスト

• BERTopic-Virality Prioritisation: A Scalable Framework for Thematic and Comparative Analysis of COVID-19 and Monkeypox Misinformation on Twitter [0.0]
  本稿では,バイラルなトピックモデリングフレームワークBERTopic-VPを紹介する。 コンテキスト埋め込みベースのクラスタリング(BERTopic)とポストホックなVirality Prioritisationレイヤを組み合わせる。 このフレームワークは、F1を0.950まで、ROC-AUCを0.989まで、強力な分類性能を達成する。 アナリストレビューのために、低ボリュームだが高リスクな物語を提示することで、監視指向の早期警告をサポートする。
  論文  参考訳（メタデータ） (2026-08-16T11:42:37Z)
• Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
  認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。 本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
  論文  参考訳（メタデータ） (2026-07-24T04:26:47Z)
• Agentic SABRE: An Uncertainty-Aware Neuro-Symbolic Multi-Agent Framework for Adaptive Ransomware Detection [0.8564319625930894]
  ランサムウェアは複雑で適応的で素早く動く敵カテゴリーへと進化してきた。 本稿では,適応型ランサムウェア検出のための不確実性認識,ニューロシンボリック,マルチエージェントフレームワークであるAgenic SABREを提案する。
  論文  参考訳（メタデータ） (2026-07-05T13:08:41Z)
• Quantifiable Uncertainty: A Stochastic Consensus Multi-Agent RAG Framework for Robust Malware Detection [1.2183405753834562]
  本稿では,マルウェア解析をセマンティックコード検索と確率的検証に分離するフレームワークMAGMAを提案する。 MAGMAは98.4%の検知率を示し,既存の解よりもかなり高い値を示した。
  論文  参考訳（メタデータ） (2026-05-08T18:46:24Z)
• NeuroTrace: Inference Provenance-Based Detection of Adversarial Examples [1.096626056612224]
  Inference Provenance Graphs (IPGs) を用いた推論前駆体分析フレームワークであるNeuroTraceを紹介する。 IPGは、モデルの前方通過中にアクティベーション動作とパラメータ誘起データフローの両方をキャプチャする異種グラフである。 攻撃中, マルチアタック, クロススリート転送設定下での逆例検出のためのIPGベース検出器の評価を行った。
  論文  参考訳（メタデータ） (2026-04-15T22:23:40Z)
• BROTHER: Behavioral Recognition Optimized Through Heterogeneous Ensemble Regularization for Ambivalence and Hesitancy [39.407739937584104]
  自然主義的なビデオ設定におけるA/H(Ambivalence and Hesitancy)は、感情コンピューティングにおいて重要な課題である。 ビデオレベルでのA/H予測のために,高度に正規化されたマルチモーダル融合パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-15T12:53:41Z)
• AdaFusion: Prompt-Guided Inference with Adaptive Fusion of Pathology Foundation Models [49.550545038402184]
  本稿では,新しいプロンプト誘導推論フレームワークであるAdaFusionを提案する。 本手法は,多様なモデルからタイルレベルの特徴を圧縮・整列する。 AdaFusionは、分類タスクと回帰タスクの両方にわたって、個々のPFMを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-08-07T07:09:31Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
  我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
  論文  参考訳（メタデータ） (2022-11-09T14:48:13Z)
• Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
  PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。 また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
  論文  参考訳（メタデータ） (2020-12-06T20:30:26Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)

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。