論文の概要: Forecasting the Growth of Social Media Information Cascades: Towards Human-in-the-Loop Misinformation Triage
- arxiv url: http://arxiv.org/abs/2610.07209v1
- Date: Mon, 05 Oct 2026 18:24:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.586043
- Title: Forecasting the Growth of Social Media Information Cascades: Towards Human-in-the-Loop Misinformation Triage
- Title（参考訳）: ソーシャルメディア情報カスケードの成長を予見する : 情報三部作をめざして
- Abstract要約: 我々は,最初の30分間の活動から伝播木の成長を予測した。
563 PHEMEスレッドの最初の15の応答を分析した。
誤情報トリアージのための統合人間レビューシステムを提案する。
- 参考スコア（独自算出の注目度）: 4.169088035341056
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Limited review teams must identify which emerging claims are likely to keep growing before their eventual reach is known. We center early misinformation triage on this continuation-forecasting problem: predicting subsequent recorded propagation-tree growth from the first 30 minutes of activity. On FibVID, we compare early node count with structural depth entropy, temporal arrival entropy, and their pair while keeping all propagation trees from each original claim in one partition. Across 352 test trees from 59 claim groups separate from training, the combined model raises $R^2$ for log-transformed future growth from 0.307 to 0.323 and reduces log-MAE by 2.4% (95% claim-bootstrap CI, -0.4% to 5.2%). The gain is especially pronounced among 97 high-activity trees: $R^2$ rises from 0.248 to 0.395, Spearman's $ρ$ from 0.394 to 0.529, and log-MAE falls by 11.7% (95% CI, -1.9% to 23.9%). Complementing the 30-minute growth forecast, we analyze the first 15 replies in 563 PHEME threads. In this cohort, the 15th reply arrives after a median of 28.8 minutes; 52.0% reach the fixed reply prefix within 30 minutes and 71.6% within one hour. Even without the LLM-generated factual-accuracy dimension, the remaining stance, communicative, and affective state composition retains cross-event ranking signal (ROC-AUC 0.538); including that dimension increases ROC-AUC to 0.562. In a separate Check-COVID evaluation of 229 claims, reciprocal-rank fusion retrieves a gold evidence document within the top five for 74.2% of claims and within the top 20 for 94.3%; sentence reranking reaches Recall@20 of 58.1%. We propose an integrated human-review system that brings these early forecasts, response patterns, and retrieved evidence together for misinformation triage relying on the potential virality of claims.
- Abstract（参考訳）: 限定的なレビューチームは、最終的なリーチが知られる前に、どの新興のクレームが成長し続けるかを特定しなければなりません。
本研究は,この継続予測問題に対する早期誤報トリアージを中心に,最初の30分から以降の伝播木の成長を予測した。
FibVIDでは、初期ノード数と構造深度エントロピー、時間到来エントロピー、およびそれらのペアを比較し、各元のクレームから全ての伝搬木を1つのパーティションに保持する。
59のクレームグループから352の試験木にまたがって、この組み合わせモデルは、ログ変換後の将来の成長を0.307から0.323に引き上げ、ログMAEを2.4%削減する(95%のクレームブートストラップCI、-0.4%から5.2%)。
R^2$は0.248から0.395に上昇し、Spearmanの$ρ$は0.394から0.529に上昇し、log-MAEは11.7%減少する(95% CI、-1.9%から23.9%)。
30分間の成長予測を補完し,553 PHEMEスレッドの最初の15回答を分析した。
このコホートでは、第15応答は中央値28.8分で到着し、52.0%が30分以内に固定された応答プレフィックスに到達し、1時間以内に71.6%に達する。
LLMが生成した事実精度次元がなくても、残りのスタンス、コミュニケーション、感情状態組成は、ROC-AUC 0.538(ROC-AUC 0.538)を保ち、ROC-AUCは0.562に増加する。
229件のCheck-COVIDによる別の評価では、相互ランクの融合は、上位5件のうち74.2%、上位20件中94.3%でゴールドエビデンス文書を回収し、再ランクは58.1%のRecall@20に達する。
本稿では,これらの早期予測,応答パターン,および証拠の回収を,クレームの潜在的なバイラル性に依存した誤情報トリアージに結びつける統合人間レビューシステムを提案する。
関連論文リスト
- QK-Wanda: Coupling Queries and Keys for Unstructured Pruning [53.657104889705856]
個々の削除コストによってクエリとキーウェイトをスコアするQK-Wandaを導入する。
我々は,TinyLlama,Llama 2,Llama 3,Qwen2.5の15モデルを対象に,0.5B-72BパラメータにまたがるQKのみのプルーニングを評価した。
論文 参考訳（メタデータ） (2026-10-01T12:22:44Z) - Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。
5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。
アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
論文 参考訳（メタデータ） (2026-09-30T16:40:22Z) - EngramRAG: Dynamic Usage-Weighted Topology and Synaptic Consolidation for Multi-Hop Agentic Memory [0.0]
本稿では,低対人覚醒状態反射と非同期バックグラウンドドリーミング統合サイクルを結合した適応型メモリアーキテクチャであるEngramRAGを提案する。
時間的推論では、EngramRAG は62.33% Recall@5 (+16.67 points over dense vectors) に達する。
本研究では,EngramRAGが高密度ベクトルRAGよりも8.9%改善したことを示す。
論文 参考訳（メタデータ） (2026-09-25T22:28:53Z) - KITE: Scaling Jev Population Experiments with Sparse Flagship Calibration [2.7946858992663586]
KITEは、一意の状態ごとに型付き行動カーネルをクエリし、テーブルから任意のサイズの集団を実行する。
9,070人の参加者によるエプスタインの実験では、1.7%の状態をカバーするアンカーが効果誤差を41%削減した。
37回のSoc-outSci210実験では0.5-1.5%のアンカーカバレッジが0.27から0.39に上昇した。
論文 参考訳（メタデータ） (2026-09-23T08:28:15Z) - PGP-Clinical-TimeKAN: Prior-Guided Joint Probabilistic Forecasting of Clinical Trajectories [33.074550441856196]
PGP-Clinical-TimeKANは多変量生理学の合同確率予測のための軌道優先のフレームワークである。
欠如を意識した時間エンコーダ、ソフトオルガン前駆体、患者固有の関係、非線形コルモゴロフ・アルノルドメッセージ、低ランクの多変量学生-tヘッドを組み合わせる。
論文 参考訳（メタデータ） (2026-08-24T23:33:35Z) - Chameleon: An Adaptive AI-Driven Honeypot Architecture Using Threat-Calibrated Particle Swarm Optimization and Semantic Deception Rapidly-Exploring Random Trees [0.0]
低コストの商用偽装製品は、応答エンジンがリアルタイムモデル駆動のフィードバックに結びついていないという、関連する弱点を共有している。
メカニズムは、両方の欠点に対処するために、オープンに分散されたアダプティブなハニーポットプラットフォームである。
論文 参考訳（メタデータ） (2026-08-15T20:30:14Z) - BioSecBench-Surveillance: A Verifiable Benchmark for AI Agents in Pathogen Genomic Surveillance [1.1800365763212117]
BioSecBench-Surveillanceは100評価の検証可能なベンチマークである。
各評価は、エージェントに人間のアナリストが持つデータとコンテキストのみを与え、その構造化された回答を決定論的に評価する。
PIのオプス4.8は50.2%で、信頼区間の95%が40.1から60.3%と評価された。
論文 参考訳（メタデータ） (2026-07-21T16:33:57Z) - Knowledge Index of Noah's Ark [63.143852586221534]
KINAは,261分野にわたる899項目のベンチマークである。
ボーナス・オン・バートーナメントがFOSDを弱く支配していることを示す。
トップモデルであるGemini-3.1-Pro-Previewは53.17%、Claude-Opus-4.6は49.92%、GPT-5.4は48.55%に達した。
論文 参考訳（メタデータ） (2026-06-03T17:06:49Z) - Supervised Dimensionality Reduction Revisited: Why LDA on Frozen CNN Features Deserves a Second Look [0.0]
ライドシェアリングのディスパッチは、日時、曜日、季節、特別なイベントによって大きく異なる需要パターンを予想する必要がある。
本稿では,過去の旅行データを需要レジームに分割し,現在ある運用期間を類似した歴史アナログに適合させる制度校正手法を提案する。
このアプローチを,8つのシナリオにわたる520万ニューヨークTLCトリップで評価した。
論文 参考訳（メタデータ） (2026-04-05T01:39:28Z)
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。