フェイクニュース検出のための情報理論的伝播デノイジング＆フュージョン枠組み
arXiv cs.CL / 2026/5/5
📰 ニュースModels & Research
要点
- この論文は、フェイクニュース検出における重要な制約として、不完全で信頼性の低い伝播データが分類の堅牢性を下げる点を扱います。
- LLMによるロールプレイで欠けたユーザー相互作用を補う既存手法を踏まえつつ、合成伝播データをそのまま統合するとバイアスのかかった表現になり性能が伸びにくいことを指摘します。
- 提案手法InfoPDFは、属性別に生成した合成伝播を確率的な潜在分布としてモデル化し、実伝播との間で信頼性を考慮した適応的な融合を可能にします。
- 学習では相互情報量（mutual information）に基づく目的関数を用い、属性別合成伝播に含まれるノイズ抑制、実・合成表現間の整合性維持、フェイクニュース検出と属性予測に必要な情報量の確保を同時に行います。
- 3つの実データセットでの実験により、InfoPDFが複数のフェイクニュース検出タスクで一貫して優れた性能を示し、さらに属性レベルの信頼性推定やより識別的な伝播表現の獲得ができることを示しています。
