論文の概要: From Repetition to Recognition: Inductive Discovery of Disinformation Narratives
- arxiv url: http://arxiv.org/abs/2609.11128v1
- Date: Thu, 10 Sep 2026 06:17:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.21959
- Title: From Repetition to Recognition: Inductive Discovery of Disinformation Narratives
- Title（参考訳）: 繰り返しから認識へ:偽情報物語の帰納的発見
- Abstract要約: 教師なしの物語ラベル生成のための3層評価フレームワークを提案する。
クラスタリングベースのパイプラインとグラフコミュニティベースのパイプラインを、7つの偽情報データセットで比較します。
我々は、気候障害とポリナラティブデータセットのための人間検証された物語ラベルをリリースする。
- 参考スコア（独自算出の注目度）: 38.75342530895475
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In disinformation datasets, narratives are often understood as recurring interpretive patterns that group texts under narrative labels. Recent work formalized narrative mining as inductively inferring narrative labels from corpora, but its evaluation stays tied to predefined taxonomies, a closed-world setting that cannot capture narratives absent from the reference labels. We introduce a three-tier evaluation framework for unsupervised narrative label generation: recovery (against a corpus's own taxonomy), mining (against external label sets), and discovery (without predefined labels). Applying it, we compare clustering-based and graph-community-based pipelines across seven disinformation datasets, with human validation of discovery on two. The two families are complementary under automated metrics, but in a corpus with two prominent topics, clustering can reduce one topic to 2% of generated labels while graph-based pipelines stay balanced. Discovery validation also reveals many singletons (narrative labels derived from single claims, 30-62% of graph outputs), which clustering cannot produce. Annotators confirm many as recognizable disinformation narratives, suggesting that in open-world discovery the repetition assumed by narrative mining may be recognized outside the corpus, not within it. We release human-validated narrative candidate labels for the Climate Obstruction and PolyNarrative datasets to support taxonomy development and dataset extension.
- Abstract（参考訳）: 偽情報データセットでは、物語はしばしば、物語ラベルの下でテキストをグループ化する解釈パターンとして理解される。
最近の研究は、コーパスから物語のラベルを誘導的に推測するものとして、物語のマイニングを定式化したが、その評価は、参照ラベルから欠落した物語を捉えることができないクローズドワールドセッティングである、事前に定義された分類学に結びついている。
本研究では,教師なしの物語ラベル生成のための3階層評価フレームワークを導入する。リカバリ(コーパスの独自の分類法),マイニング(外部ラベルセット),発見(事前定義されたラベルなしで)。
クラスタリングベースのパイプラインとグラフコミュニティベースのパイプラインを、7つの偽情報データセットで比較し、2つの発見の人間による検証を行った。
2つのファミリーは自動メトリクスの下で補完するが、2つの顕著なトピックを持つコーパスでは、グラフベースのパイプラインがバランスを維持しながら、ひとつのトピックを生成されたラベルの2%に削減することができる。
発見検証はまた、クラスタリングが生成できない多くのシングルトン(シングルクレームから派生したナラティブラベル、グラフ出力の30-62%)を明らかにしている。
注釈者は、多くの偽情報の物語を認識できるものとして確認し、オープンワールドの発見においては、物語の採鉱によって想定される反復はコーパスの外側ではなく、コーパスの外で認識される可能性があることを示唆している。
我々は,分類学の発展とデータセット拡張を支援するために,気候障害とポリナラティブデータセットのための人間検証された物語候補ラベルをリリースする。
関連論文リスト
- Retrieving Climate Change Disinformation by Narrative [8.38832892170716]
我々は,ナラティブ検出を検索タスクとして再編成し,ナラティブのコアメッセージをクエリとして与え,そのナラティブと整合してコーパスからテキストをランク付けする。
抽象的な記述と具体的なテキストのインスタンス化のギャップを埋めるための仮説文書を生成するフレームワークであるSpecFiを提案する。
論文 参考訳（メタデータ） (2026-03-23T14:26:18Z) - Drawing the Same Bounding Box Twice? Coping Noisy Annotations in Object
Detection with Repeated Labels [6.872072177648135]
そこで本研究では,基礎的真理推定手法に適合する新しい局所化アルゴリズムを提案する。
また,本アルゴリズムは,TexBiGデータセット上でのトレーニングにおいて,優れた性能を示す。
論文 参考訳（メタデータ） (2023-09-18T13:08:44Z) - IDAS: Intent Discovery with Abstractive Summarization [16.731183915325584]
目的発見における近年の競合手法は,抽象的な要約に基づく発話のクラスタリングによってより優れることを示す。
我々は、大規模言語モデルに促すことで、記述的発話ラベルの集合を収集するIDASアプローチに貢献する。
発話とそのノイズラベルは、凍結した事前訓練されたエンコーダによって符号化され、その後クラスタ化され、潜伏した意図を回復する。
論文 参考訳（メタデータ） (2023-05-31T12:19:40Z) - Bridging the Gap between Model Explanations in Partially Annotated
Multi-label Classification [85.76130799062379]
偽陰性ラベルがモデルの説明にどのように影響するかを考察する。
本稿では,部分ラベルで学習したモデルの属性スコアを向上し,その説明をフルラベルで学習したモデルと類似させる。
論文 参考訳（メタデータ） (2023-04-04T14:00:59Z) - Group is better than individual: Exploiting Label Topologies and Label
Relations for Joint Multiple Intent Detection and Slot Filling [39.76268402567324]
我々は2種類のトポロジーを含む異種ラベルグラフ(HLG)を構築した。
ラベル相関を利用してセマンティック・ラベルの相互作用を強化する。
また,ラベルに依存しないデコード機構を提案し,デコードのためのラベル相関をさらに活用する。
論文 参考訳（メタデータ） (2022-10-19T08:21:43Z) - PointMatch: A Consistency Training Framework for Weakly Supervised
Semantic Segmentation of 3D Point Clouds [117.77841399002666]
本稿では,データ自体から十分な情報を探索するために整合性正規化を適用することで,データとラベルの両面に立つ新しいフレームワークであるPointMatchを提案する。
提案したPointMatchは、ScanNet-v2データセットとS3DISデータセットの両方で、様々な弱い教師付きスキームの下で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-02-22T07:26:31Z) - A Token-level Reference-free Hallucination Detection Benchmark for
Free-form Text Generation [50.55448707570669]
本稿ではトークンレベルの参照なし幻覚検出タスクとHaDesというアノテーション付きデータセットを提案する。
このデータセットを作成するために、まず英語のウィキペディアから抽出された大量のテキストセグメントを摂り込み、それからクラウドソースアノテーションで検証する。
論文 参考訳（メタデータ） (2021-04-18T04:09:48Z) - 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) - Exploit Multiple Reference Graphs for Semi-supervised Relation
Extraction [12.837901211741443]
ラベルなしデータとラベル付きデータとの接続を構築することを提案する。
具体的には,まず3種類の情報を用いて参照グラフを構築する。
目標は、ラベル付けされていないサンプル(s)をラベル付けされたサンプル(s)に意味的または語彙的に接続することである。
論文 参考訳（メタデータ） (2020-10-22T02:14:27Z) - Labelling unlabelled videos from scratch with multi-modal
self-supervision [82.60652426371936]
ビデオデータセットの教師なしラベリングは、強力な機能エンコーダから解放されない。
人間のアノテーションを使わずにビデオデータセットの擬似ラベリングを可能にする新しいクラスタリング手法を提案する。
広範囲な分析により、結果として得られたクラスタは、真理の人間ラベルと高いセマンティックオーバーラップがあることが示されている。
論文 参考訳（メタデータ） (2020-06-24T12:28:17Z)
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。