UNLP 2026会議で発表された最新の研究において、ウクライナの研究チームは、Telegramエコシステムにおける偽情報ナラティブを検出・分析するためのグラフベースのフレームワークを提案した。この研究はロシアとウクライナのTelegramチャンネルに焦点を当て、偽情報がどのように拡散し、協調的に増幅されるかを明らかにすることを目的としている。
従来の偽情報検出手法は個々の投稿分析に依存することが多く、チャンネルをまたがる大規模な協調的ナラティブ増幅を捉えることが困難であった。特に、情報の急速な進化や多言語環境においてはその限界が顕著である。そこで研究チームは、弱教師あり学習と伝播グラフ解析を組み合わせた新しいアプローチを開発した。この手法では、まず自然言語処理技術を用いて意味的に関連するクレームをナラティブレベルのクラスタに集約し、次にグラフ構造を用いてこれらのクラスタの異なるチャンネル間での伝播パターンをモデル化する。このグラフベースの視点により、一見独立しているように見えても実際には協調的に増幅されているパターンを識別できる。
このフレームワークの主な利点は、テキスト信号とネットワーク構造情報を統合できる点にある。チャンネル間のナラティブの流れを分析することで、従来の手法では検出が困難な協調増幅を特定できる。実験結果は、このフレームワークが検出精度を向上させるだけでなく、大規模メッセージ環境における偽情報の伝播メカニズムを理解するための新たな洞察を提供することを示している。さらに、このフレームワークは異なる言語やプラットフォームに適用可能な優れたスケーラビリティを持ち、大規模な偽情報監視の実用的なソリューションを提供する。
研究では、今後の課題としてグラフ構築アルゴリズムの最適化による効率向上や、リアルタイムシナリオへの応用が挙げられている。本論文はYuliia Vistakら4名の著者によるもので、UNLP 2026会議で採録され、arXiv（arXiv:2607.11894）で全文が公開されている。