論文の概要: RAEGNet: Relation-Aware Evidence Graph Network for Harm-Aware Multimodal Fake News Detection

• arxiv url: http://arxiv.org/abs/2609.36902v1
• Date: Tue, 29 Sep 2026 07:25:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.280336
• Title: RAEGNet: Relation-Aware Evidence Graph Network for Harm-Aware Multimodal Fake News Detection
• Title（参考訳）: RAEGNet:Hum-Aware Multimodal Fake News Detectionのためのリレーショナル・アウェア・エビデンス・グラフ・ネットワーク
• Abstract要約: イベントレベル証拠検索フレームワーク(ELERF)を設計し,関係対応グラフネットワーク(RAEGNet)を提案する。 ELERFはニュース項目の完全なイベントセマンティクスに基づいて外部証拠を検索する。 RAEGNetは、ニュース・エビデンス・スタンス関係とエビデンス・エビデンス・エビデンス・インタラクション関係を組み込んだ有向グラフを構築し、信頼と潜在的な害を共同でモデル化する条件付きハーム・ブランチを導入する。
• 参考スコア（独自算出の注目度）: 10.75080124489344
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing multimodal fake news detection methods often introduce external information to assist detection. However, most of them rely on entity-level retrieval and are therefore prone to introducing event-irrelevant noise. Meanwhile, existing methods mainly focus on improving overall performance and do not account for differences in the degree of harm posed by different instances of fake news. To address these limitations, we design an Event-Level Evidence Retrieval Framework (ELERF) and propose a Relation-Aware Evidence Graph Network (RAEGNet). ELERF retrieves external evidence based on the complete event semantics of a news item. RAEGNet constructs a directed graph that incorporates news-evidence stance relations and evidence-evidence interaction relations, and introduces a conditional-harm branch to jointly model authenticity and potential harm. Experimental results demonstrate that RAEGNet outperforms multiple baseline methods across all evaluated metrics on Weibo-21, Fakeddit, and our self-constructed SSS dataset.
• Abstract（参考訳）: 既存のマルチモーダルフェイクニュース検出手法は、検出を支援するために外部情報を導入することが多い。 しかし、それらのほとんどはエンティティレベルの検索に依存しており、そのためイベント非関連ノイズを導入する傾向にある。 一方、既存の手法は主に性能の向上に重点を置いており、フェイクニュースの異なる事例によって生じる害の程度の違いを考慮していない。 これらの制約に対処するため、イベントレベル証拠検索フレームワーク(ELERF)を設計し、RAEGNet(Relation-Aware Evidence Graph Network)を提案する。 ELERFはニュース項目の完全なイベントセマンティクスに基づいて外部証拠を検索する。 RAEGNetは、ニュース・エビデンス・スタンス関係とエビデンス・エビデンス・エビデンス・インタラクション関係を組み込んだ有向グラフを構築し、信頼と潜在的な害を共同でモデル化する条件付きハーム・ブランチを導入する。 実験の結果, RAEGNetはWeibo-21, Fakeddit, および我々の自己構築SSSデータセット上で, 評価指標のすべてにおいて, 複数のベースライン手法よりも優れていた。

関連論文リスト

• Rethinking Multimodal Fake News Detection in the Generative AI Era [1.3648865252191944]
  本稿では,GAHR(Generativity-Aware Hierarchical Reasoning)フレームワークを提案する。 既存の複数のフェイクニュース検出ベンチマークとWeibo26の実験により、GAHRは、生成コンテンツを効果的に識別しながら、競合する妥当性検出性能を達成することが示された。
  論文  参考訳（メタデータ） (2026-09-29T06:59:46Z)
• ExDR: Explanation-driven Dynamic Retrieval Enhancement for Multimodal Fake News Detection [23.87220484843729]
  マルチモーダルのフェイクニュースは 深刻な社会的脅威を引き起こします Dynamic Retrieval-Augmented Generationはキーワードベースの検索をトリガーすることで、有望なソリューションを提供する。 マルチモーダルフェイクニュース検出のための説明駆動動的検索生成フレームワークであるExDRを提案する。
  論文  参考訳（メタデータ） (2026-01-22T10:10:06Z)
• HiEAG: Evidence-Augmented Generation for Out-of-Context Misinformation Detection [8.609016163081744]
  外部整合性チェックを改良する新しい階層的エビデンス拡張生成フレームワークであるHiEAGを提案する。 提案手法では,外部整合性チェックを総合的なエンジンパイプラインに分解する。 提案手法は, 判断の説明を可能にし, 命令調律による印象的な性能を実現する。
  論文  参考訳（メタデータ） (2025-11-18T01:11:48Z)
• Towards Real-Time Fake News Detection under Evidence Scarcity [66.58597356379907]
  本稿では,リアルタイムフェイクニュース検出のための新しいフレームワークである評価アウェア・セレクション・オブ・エキスパートズ(EASE)を提案する。 EASEは、利用可能な証拠の十分性を評価した意思決定プロセスに適合する。 本稿では,新興ニュースのモデル一般化を限られた証拠で評価するための新しいベンチマークであるRealTimeNews-25を紹介する。
  論文  参考訳（メタデータ） (2025-10-13T11:11:46Z)
• Towards Unified Multimodal Misinformation Detection in Social Media: A Benchmark Dataset and Baseline [56.790045049514326]
  詐欺の2つの主要な形態は、人造誤報とAI生成コンテンツである。 両形態の偽造を扱うためのフレームワークであるUMFDet(Unified Multimodal Fake Content Detection)を提案する。 UMFDetは、両方の誤情報型に対して堅牢で一貫したパフォーマンスを実現し、特殊ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-09-30T09:26:32Z)
• Detect, Investigate, Judge and Determine: A Knowledge-guided Framework for Few-shot Fake News Detection [53.41813030290324]
  Few-Shot Fake News Detection (FS-FND) は、極めて低リソースのシナリオにおいて、非正確なニュースを実際のニュースと区別することを目的としている。 ソーシャルメディア上でのフェイクニュースの拡散や有害な影響により、このタスクは注目を集めている。 本稿では,内外からLLMを増強するDual-perspective Knowledge-Guided Fake News Detection (DKFND)モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-12T03:15:01Z)
• A Multi-Policy Framework for Deep Learning-Based Fake News Detection [0.31498833540989407]
  フェイクニュース検出を自動化するフレームワークであるMPSC(Multi-Policy Statement Checker)を導入する。 MPSCは、深層学習技術を用いて、文自体とその関連するニュース記事を分析し、それが信頼できるか疑わしいかを予測する。
  論文  参考訳（メタデータ） (2022-06-01T21:25:21Z)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)
• Mining Fine-grained Semantics via Graph Neural Networks for Evidence-based Fake News Detection [20.282527436527765]
  本稿では,グラフベースのsEmantic sTructureマイニングフレームワークを提案する。 我々は、クレームとエビデンスをグラフ構造化データとしてモデル化し、長距離セマンティック依存関係をキャプチャします。 文脈意味情報を得た後、グラフ構造学習を行うことにより、情報冗長性を低減する。
  論文  参考訳（メタデータ） (2022-01-18T11:28:36Z)

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。