論文の概要: Leveraging LLM-Generated Explanations for Detecting Emotionally Rewritten Fake News

• arxiv url: http://arxiv.org/abs/2610.08835v2
• Date: Thu, 08 Oct 2026 02:07:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.520147
• Title: Leveraging LLM-Generated Explanations for Detecting Emotionally Rewritten Fake News
• Title（参考訳）: 感情的に書き直されたフェイクニュースの検出のためのLLM生成説明の活用
• Abstract要約: 既存の偽ニュース検出手法は、主にスタイルのバリエーションに焦点を当てたり、説明などの外部情報を組み込んだりしている。 本研究では,事実保存型感情変化に基づく偽ニュースの検出について検討する。 本稿では、感情的に書き直されたニュースとそれに対応する説明を適応的に統合するGated Cross Attentionフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 39.96407954186054
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The spread of fake news may cause severe social consequences. Existing fake news detection methods mainly focus on stylistic variations or incorporate external information such as explanations. However, news articles are often rewritten under different emotional backgrounds while preserving their underlying factual claims, which may affect the robustness of detection models. In this work, we investigate fake news detec- tion under fact-preserving emotional variations. To study this problem, we construct emotion-rewritten test sets and generate explanations from the original news articles as stable background knowledge. We then propose a Gated Cross Attention (GCA) framework that adaptively integrates emotionally rewritten news with the corresponding explanations, enabling the model to focus on informative explanation content while reducing potential mismatches caused by emotional reframing. Experiments on PolitiFact, GossipCop, and LUN demonstrate that the proposed method achieves notable improvements under multiple emotional conditions on PolitiFact and LUN, while maintaining competitive performance on GossipCop. We further analyze the effects of explanation guidance and gating mechanisms under different emotional conditions. Our code and data are available at: https://github.com/Flulike/fakenews gca .
• Abstract（参考訳）: フェイクニュースの拡散は、深刻な社会的結果を引き起こす可能性がある。 既存の偽ニュース検出手法は、主にスタイルのバリエーションに焦点を当てたり、説明などの外部情報を組み込んだりしている。 しかし、ニュース記事は、しばしば異なる感情的背景の下で書き直され、その根底にある事実的主張は、検出モデルの堅牢性に影響を与える可能性がある。 本研究では,事実保存型感情変化下でのフェイクニュースのデテック・オプションについて検討する。 そこで本研究では,感情書き直しテストセットを構築し,背景知識としてオリジナルのニュース記事から説明を生成する。 次に、感情的リフレーミングによる潜在的なミスマッチを低減しつつ、感情的リライトされたニュースとそれに対応する説明文を適応的に統合するGated Cross Attention(GCA)フレームワークを提案する。 The experiments on PolitiFact, GossipCop, and LUN showed that the proposed method achieve notable improvements under multiple emotional conditions on PolitiFact and LUN, while maintain competitive performance on GossipCop。 さらに、異なる感情条件下での説明指導とゲーティング機構の効果を解析する。 私たちのコードとデータは、https://github.com/Flulike/fakenews gca.comで利用可能です。

関連論文リスト

• Robust Fake News Detection using Large Language Models under Adversarial Sentiment Attacks [7.075749925221166]
  AdSentは、原文記事と感傷記事の両方で一貫した予測を保証するために設計された感情汚染検出フレームワークである。 感情の変化が偽ニュース検出モデルの性能に大きく影響を与えることを示す。 我々は,このような摂動に対する堅牢性を高める,感情非依存の新たなトレーニング戦略を導入する。
  論文  参考訳（メタデータ） (2026-01-21T18:56:49Z)
• KEN: Knowledge Augmentation and Emotion Guidance Network for Multimodal Fake News Detection [1.8603865942709585]
  我々は,知識向上・感情誘導ネットワーク(KEN)を提案する。 一方、LVLMの強力な意味理解と広範な世界知識を効果的に活用する。 一方、バランスの取れた学習を通して異なる感情型間のクラス間の違いを考察し、感情型と信頼の関係のきめ細かいモデリングを実現する。
  論文  参考訳（メタデータ） (2025-07-13T14:28:20Z)
• Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
  我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。 我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
  論文  参考訳（メタデータ） (2023-11-02T08:39:45Z)
• Emotion Detection for Misinformation: A Review [23.546901725789645]
  本稿では、誤情報検出のための感情に基づく手法を包括的にレビューする。 本研究では,様々な感情,感情,姿勢に基づく特徴を用いた誤情報検出手法の解析を行う。 本稿では,大規模言語モデルに基づく感情に基づく誤情報検出において,現在進行中の課題について論じる。
  論文  参考訳（メタデータ） (2023-11-01T17:21:09Z)
• Fake News in Sheep's Clothing: Robust Fake News Detection Against LLM-Empowered Style Attacks [60.14025705964573]
  SheepDogは、ニュースの正確性を決定する際に、スタイルよりもコンテンツを優先する、スタイルに反する偽ニュース検出ツールだ。 SheepDog はこのレジリエンスを,(1) LLM を利用したニュースリフレーミング,(2) 異なるスタイルに対応する記事のカスタマイズによる学習プロセスへのスタイル多様性の注入,(2) スタイルの異なるリフレーミング間で一貫した妥当性予測を保証するスタイル非依存のトレーニング,(3) LLM からコンテンツ中心のガイドラインを抽出して偽ニュースを抽出するコンテンツ中心の属性を通じて達成する。
  論文  参考訳（メタデータ） (2023-10-16T21:05:12Z)
• TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection [15.386007761649251]
  本稿では,マルチモーダルな文脈情報と著者の感情を共同でモデル化し,テキストの類似性と感情認識型フェイクニュース検出(TieFake)手法を提案する。 具体的には、BERT と ResNeSt を用いて、テキストや画像の表現を学習し、出版者感情抽出器を用いて、ニュースコンテンツにおける著者の主観的感情をキャプチャする。
  論文  参考訳（メタデータ） (2023-04-19T04:47:36Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)

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。