ソーシャルメディア上の偽情報検出は、その急速な拡散、迅速な進化、そしてオンラインコンテンツの言語的多様性により極めて困難な課題となっています。本研究は、Telegram生態系における偽情報ナラティブの識別と分析のために、弱教師あり学習と伝播グラフ分析を組み合わせたグラフベースのフレームワークを提案しています。 このアプローチの核となるのは、意味的に関連する主張をナラティブレベルのクラスターに集約し、それらの拡散を相互接続されたチャネル間でモデル化する手法です。従来の投稿レベルの分析では捉えることが難しかった、組織的なナラティブ増幅を検出することが可能になります。ロシアとウクライナの対立という文脈において、大量のテレグラムチャネルを対象とした本フレームワークの実装により、偽情報がいかに戦略的に拡散され、強化されているかをより詳細に理解することができます。 研究結果は、テキスト信号とネットワーク構造を統合することで、大規模メッセージング環境における偽情報ナラティブ検出のためのスケーラブルな方法が実現できることを示しています。このアプローチにより、どのようなナラティブがどのチャネルを通じてどのように伝播しているのか、その詳細なメカニズムに関する貴重な知見が得られます。情報セキュリティと真正情報の保護という観点から、このような高度な検出技術の開発は今後ますます重要になるでしょう。