基于图的俄乌Telegram频道间虚假信息叙事扩散检测

arXiv cs.CL 论文
disinformation narrative-detection graph-based telegram social-media weak-supervision propagation-graph

摘要

本文提出了一种结合弱监督与传播图分析的图基框架，用于检测和分析Telegram生态系统中的虚假信息叙事，重点关注俄罗斯和乌克兰的频道。

arXiv:2607.11894v1 公告类型：新 摘要：由于在线内容的放大规模大、演变迅速且语言变异性强，检测社交媒体上的虚假信息叙事颇具挑战。我们提出了一种基于图的框架，通过结合弱监督与传播图分析，识别并分析Telegram生态系统中的虚假信息叙事。该方法将语义相关的声明聚合为叙事级聚类，并建模其在相互连接的频道间的扩散。这使得能够检测到仅通过帖子级分析难以捕捉的协同叙事放大。我们的结果表明，将文本信号与网络结构相结合，提供了一种可扩展的方法来检测虚假信息叙事，并揭示了它们在大规模消息传递环境中传播的机制。
查看原文
查看缓存全文

缓存时间: 2026/07/15 04:21 

# 基于图的俄乌Telegram频道间虚假信息叙事传播检测
来源: https://arxiv.org/abs/2607.11894
查看 PDF (https://arxiv.org/pdf/2607.11894)

> 摘要:由于社交媒体的放大规模、快速演变以及在线内容的语言多样性，检测其中的虚假信息叙事具有挑战性。我们提出了一种基于图的框架，通过结合弱监督与传播图分析，识别并分析Telegram生态系统中的虚假信息叙事。该方法将语义相关的观点聚合为叙事级聚类，并建模它们在互联频道间的扩散过程。这使得我们能够检测到难以通过单条帖子层级分析捕捉的协同叙事放大现象。我们的结果表明，将文本信号与网络结构相结合，提供了一种可扩展的虚假信息叙事检测方法，并揭示了这些叙事如何在大规模消息环境中传播。

## 提交历史

来自: Viktoriia Makovska [查看邮件](https://arxiv.org/show-email/150d0a21/2607.11894) **\[v1\]** 2026年5月9日 星期六 08:35:16 UTC (519 KB)

相似文章

基于LLM的操纵性政治叙事检测

Hugging Face Daily Papers

一种结合基于提示的过滤和无监督聚类的计算框架，用于从社交媒体帖子中识别操纵性政治叙事聚类，无需预定义类别。

随机图信号的生成扩散模型

arXiv cs.LG

本文提出了一种统一的去噪扩散框架，用于条件生成图信号，引入了一种新颖的U-GNN架构，将U-Net扩展到图结构数据。该方法在股票价格预测和无线资源分配任务中得到了验证。

基于社区的立场分布与论点组织方法

arXiv cs.CL

# 基于社区的立场分布与论点组织方法 来源：[https://arxiv.org/html/2604.16852](https://arxiv.org/html/2604.16852) \\jvol vv\\jnumnn\\jyear2025\\dochead\\pageonefooter行动编辑：\{action editor name\}。收稿日期：DD Month YYYY；修改稿日期：DD Month YYYY；录用日期：DD Month YYYY。\\affilblock Laks V. S. Lakshmanan2 Raymond T. Ng3 University of British Columbia University of British Columbia University of Bri