論文の概要: Not All Duplicates Are Coordination: Generic vs. Non-Generic Duplicate Campaigns in Information Operations
- arxiv url: http://arxiv.org/abs/2609.13671v1
- Date: Sat, 12 Sep 2026 02:52:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.465578
- Title: Not All Duplicates Are Coordination: Generic vs. Non-Generic Duplicate Campaigns in Information Operations
- Title（参考訳）: すべての複製がコーディネートであるとは限らない:情報操作におけるジェネリック対非ジェネリック複製キャンペーン
- Abstract要約: ジェネリック、リユース、低情報ポストは、コーディネーショングラフに投影されたときに、ノイズの多いアカウントアカウントリンクを生成する可能性がある。
この問題を、ロシアの6つのTwitter情報操作データセットから187,000の英語のつぶやきを用いて研究する。
- 参考スコア（独自算出の注目度）: 0.42821598129654453
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Duplicate content is widely used to study coordinated behavior in social media information operations (IOs), but not all repetition provides equally meaningful evidence of coordination. Generic, reusable, or low-information posts may create noisy account-account links when projected into coordination graphs. We study this problem using 187,000 English-language tweets from six Russian Twitter Information Operations datasets. We introduce a generic/non-generic distinction for duplicate campaigns, label tweets using an LLM-assisted protocol with independent human validation, and train supervised classifiers over sentence embeddings to scale the labels. We construct duplicate campaigns using lexical similarity and two embedding-based methods. Generic campaigns are rare under lexical matching but account for nearly 39% of campaigns detected by embedding-based methods. Restricting graphs to non-generic campaigns reduces graph size and the largest connected component while increasing density, suggesting a smaller but more focused coordination structure. These findings show that duplicate-based coordination analysis should consider both textual similarity and semantic specificity.
- Abstract（参考訳）: 重複コンテンツは、ソーシャルメディア情報操作(IO)における協調行動の研究に広く用いられているが、すべての反復が協調の等価な証拠を提供するわけではない。
ジェネリック、リユース、低情報ポストは、コーディネーショングラフに投影されたときに、ノイズの多いアカウントアカウントリンクを生成する可能性がある。
この問題を、ロシアの6つのTwitter情報操作データセットから187,000の英語のつぶやきを用いて研究する。
本稿では,重複キャンペーンの汎用的・非ジェネリックな区別,LLM支援プロトコルを用いたラベル付きツイート,および文埋め込みよりも教師付き分類器を訓練してラベルを拡大する手法を提案する。
語彙的類似性と2つの埋め込み方式を用いた重複キャンペーンを構築した。
語彙マッチングではジェネリック・キャンペーンは稀であるが、埋め込み方式で検出されたキャンペーンの39%近くを占める。
グラフを非ジェネリックなキャンペーンに制限することは、グラフのサイズと最大の連結成分を減少させ、密度を増大させ、より小さく、より焦点を絞った調整構造を示唆する。
これらの結果から,重複型コーディネーション分析はテキストの類似性と意味的特異性の両方を考慮すべきであることが示唆された。
関連論文リスト
- Aligned but Not Partner-Specific: Distinguishing How Multimodal LLM Agents Succeed in Reference Games Without Human-Like Conventions [2.3410384770553154]
我々はKTH Tangrams corpusのヒトダイアドと有能なマルチモーダルエージェントダイアドを比較した。
人間は、トレーニング、説明の圧縮、パートナーとのラベルアライメントの増大による労力を削減します。
エージェントは固定された作業レベルを維持し、ラウンド1から冗長な記述を生成する。
論文 参考訳（メタデータ） (2026-06-06T10:05:49Z) - Israel-Hamas War on X: A Case Study of Coordinated Campaigns and Information Integrity [34.92040311900383]
ソーシャルメディア上での協調キャンペーンは危機情報環境を形成する上で重要な役割を担っている。
我々は,2023年のイスラエル・ハーマス戦争をTwitter上でケーススタディとして,協調キャンペーンと情報整合性の間の相互作用について検討した。
論文 参考訳（メタデータ） (2026-04-12T10:22:34Z) - Large Engagement Networks for Classifying Coordinated Campaigns and Organic Twitter Trends [1.3595147353266148]
ソーシャルメディアのユーザーと不正なアカウントは、トピックの宣伝に協力することができる。
トピックがオーガニックなのか、あるいは信頼できる地上の真実が欠如しているため、協調したキャンペーンなのかを予測するのは難しい。
本稿では,短絡攻撃によるキャンペーンを検知することで,そのような真実を創出する。
論文 参考訳（メタデータ） (2025-03-01T19:50:32Z) - Leveraging Ensembles and Self-Supervised Learning for Fully-Unsupervised
Person Re-Identification and Text Authorship Attribution [77.85461690214551]
完全ラベル付きデータからの学習は、Person Re-IdentificationやText Authorship Attributionなどのマルチメディアフォレスト問題において困難である。
近年の自己教師型学習法は,基礎となるクラスに意味的差異が有る場合に,完全ラベル付きデータを扱う際に有効であることが示されている。
本研究では,異なるクラスからのサンプルが顕著に多様性を持っていない場合でも,ラベルのないデータから学習できるようにすることにより,個人再認識とテキストオーサシップの属性に対処する戦略を提案する。
論文 参考訳（メタデータ） (2022-02-07T13:08:11Z) - Learning with Noisy Labels by Targeted Relabeling [52.0329205268734]
クラウドソーシングプラットフォームは、ディープニューラルネットワークをトレーニングするためのデータセット収集によく使用される。
本稿では,少数のアノテーションを予約して,高い確率でラベル付け可能なエラーを明示的に緩和する手法を提案する。
論文 参考訳（メタデータ） (2021-10-15T20:37:29Z) - Exploiting Twitter as Source of Large Corpora of Weakly Similar Pairs
for Semantic Sentence Embeddings [3.8073142980733]
本稿では,言語に依存しない2組の非公式テキストのデータセットを構築する手法を提案する。
ツイートの返信と引用という、Twitterの本質的な強力な関連性のシグナルを利用しています。
我々のモデルは古典的セマンティックテキスト類似性を学習するだけでなく、文のペアが正確なパラフレーズではないタスクにも長けている。
論文 参考訳（メタデータ） (2021-10-05T13:21:40Z) - Rank-Consistency Deep Hashing for Scalable Multi-Label Image Search [90.30623718137244]
スケーラブルなマルチラベル画像検索のための新しいディープハッシュ法を提案する。
2つの空間の類似性順序を整列するために、新しい階数整合性目的を適用した。
強力な損失関数は、意味的類似性とハミング距離が一致しないサンプルをペナルティ化するように設計されている。
論文 参考訳（メタデータ） (2021-02-02T13:46:58Z) - 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) - Dynamic Semantic Matching and Aggregation Network for Few-shot Intent
Detection [69.2370349274216]
利用可能な注釈付き発話が不足しているため、インテント検出は困難である。
セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。
本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
論文 参考訳（メタデータ） (2020-10-06T05:16:38Z) - Automatically Discovering and Learning New Visual Categories with
Ranking Statistics [145.89790963544314]
我々は,他のクラスをラベル付けした画像コレクションにおいて,新しいクラスを発見する問題に対処する。
汎用クラスタリングモデルを学び、後者を用いて、非競合データ中の新しいクラスを識別する。
我々は,標準分類ベンチマークに対するアプローチと,新しいカテゴリー発見法の性能を,有意なマージンで評価した。
論文 参考訳（メタデータ） (2020-02-13T18:53:32Z)
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。