論文の概要: Weak Supervision for Fake News Detection via Reinforcement Learning
- arxiv url: http://arxiv.org/abs/1912.12520v2
- Date: Mon, 20 Jan 2020 03:03:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-17 12:45:46.205155
- Title: Weak Supervision for Fake News Detection via Reinforcement Learning
- Title（参考訳）: 強化学習によるフェイクニュース検出のための弱監視
- Authors: Yaqing Wang, Weifeng Yang, Fenglong Ma, Jin Xu, Bin Zhong, Qiang Deng,
Jing Gao
- Abstract要約: 本稿では,弱教師付きフェイクニュース検出フレームワークWeFENDを提案する。
提案するフレームワークは,アノテータ,強化セレクタ,フェイクニュース検出器の3つの主要コンポーネントで構成されている。
WeChatの公式アカウントと関連するユーザレポートを通じて発行された大量のニュース記事に対して,提案したフレームワークを検証した。
- 参考スコア（独自算出の注目度）: 34.448503443582396
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Today social media has become the primary source for news. Via social media
platforms, fake news travel at unprecedented speeds, reach global audiences and
put users and communities at great risk. Therefore, it is extremely important
to detect fake news as early as possible. Recently, deep learning based
approaches have shown improved performance in fake news detection. However, the
training of such models requires a large amount of labeled data, but manual
annotation is time-consuming and expensive. Moreover, due to the dynamic nature
of news, annotated samples may become outdated quickly and cannot represent the
news articles on newly emerged events. Therefore, how to obtain fresh and
high-quality labeled samples is the major challenge in employing deep learning
models for fake news detection. In order to tackle this challenge, we propose a
reinforced weakly-supervised fake news detection framework, i.e., WeFEND, which
can leverage users' reports as weak supervision to enlarge the amount of
training data for fake news detection. The proposed framework consists of three
main components: the annotator, the reinforced selector and the fake news
detector. The annotator can automatically assign weak labels for unlabeled news
based on users' reports. The reinforced selector using reinforcement learning
techniques chooses high-quality samples from the weakly labeled data and
filters out those low-quality ones that may degrade the detector's prediction
performance. The fake news detector aims to identify fake news based on the
news content. We tested the proposed framework on a large collection of news
articles published via WeChat official accounts and associated user reports.
Extensive experiments on this dataset show that the proposed WeFEND model
achieves the best performance compared with the state-of-the-art methods.
- Abstract（参考訳）: 今日、ソーシャルメディアがニュースの主要な情報源となっている。
ソーシャルメディアのプラットフォームや、前例のない速さで偽ニュースを流し、世界中の聴衆にリーチし、ユーザーやコミュニティに大きなリスクを冒す。
したがって、できるだけ早く偽ニュースを検出することは極めて重要である。
近年,深層学習に基づく手法により,偽ニュース検出の性能が向上している。
しかし、そのようなモデルのトレーニングには大量のラベル付きデータが必要であるが、手動のアノテーションは時間がかかり高価である。
さらに、ニュースのダイナミックな性質から、注釈付きサンプルは急速に時代遅れになり、新たに出現したイベントのニュース記事は表現できない。
したがって、偽ニュース検出にディープラーニングモデルを用いる場合、新鮮で高品質なラベル付きサンプルを得る方法が大きな課題となる。
この課題に対処するために,ユーザからの報告を弱い監視として活用し,偽ニュース検出のためのトレーニングデータ量を増やす,弱教師付き偽ニュース検出フレームワークWeFENDを提案する。
提案するフレームワークは,アノテータ,強化セレクタ,フェイクニュース検出器の3つの主要コンポーネントから構成される。
annotatorは、ユーザのレポートに基づいて、ラベルのないニュースの弱いラベルを自動的に割り当てる。
強化学習技術を用いた強化セレクタは、弱ラベルデータから高品質のサンプルを選択し、検出器の予測性能を低下させる可能性のある低品質のサンプルをフィルタリングする。
偽ニュース検出装置は、ニュースコンテンツに基づいて偽ニュースを識別することを目的としている。
提案フレームワークをwechatの公式アカウントおよび関連ユーザレポートを通じて公開するニュース記事の大規模なコレクション上でテストした。
このデータセットの大規模な実験により、提案したWeFENDモデルが最先端の手法と比較して最高の性能を達成することが示された。
関連論文リスト
- 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) - Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。
本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。
ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
論文 参考訳（メタデータ） (2023-09-20T04:10:03Z) - Unsupervised Domain-agnostic Fake News Detection using Multi-modal Weak
Signals [19.22829945777267]
本研究は,4つのモダリティで利用可能な知識をニュースレコードに埋め込んだ,教師なしフェイクニュース検出のための効果的なフレームワークを提案する。
また,既存のニュースデータセットの潜伏バイアスを最小限に抑えたニュースデータセット構築手法を提案する。
LUND-COVIDを使って提案した教師なしフレームワークをトレーニングし、大規模データセットの可能性を活用した。
論文 参考訳（メタデータ） (2023-05-18T23:49:31Z) - Nothing Stands Alone: Relational Fake News Detection with Hypergraph
Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。
提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文 参考訳（メタデータ） (2022-12-24T00:19:32Z) - Faking Fake News for Real Fake News Detection: Propaganda-loaded
Training Data Generation [105.20743048379387]
提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。
具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。
実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-10T14:24:19Z) - Multimodal Emergent Fake News Detection via Meta Neural Process Networks [36.52739834391597]
本稿では,MetaFENDというフェイクニュース検出フレームワークを提案する。
具体的には、メタラーニングとニューラルプロセスの手法を統合したモデルを提案する。
TwitterとWeiboから収集したマルチメディアデータセットに対して、大規模な実験が行われた。
論文 参考訳（メタデータ） (2021-06-22T21:21:29Z) - User Preference-aware Fake News Detection [61.86175081368782]
既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。
本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
論文 参考訳（メタデータ） (2021-04-25T21:19:24Z) - An Event Correlation Filtering Method for Fake News Detection [0.0]
既存のディープラーニングモデルは、偽ニュース検出の問題に取り組むために大きな進歩を遂げている。
偽ニュースの検出性能を向上させるために,ニュースのイベント相関を利用した。
イベント相関フィルタリング方式で偽ニュースを検出するためにECFMが提案されている。
論文 参考訳（メタデータ） (2020-12-10T07:31:07Z) - Connecting the Dots Between Fact Verification and Fake News Detection [21.564628184287173]
本稿では,事実検証と偽ニュース検出の点を結合する,シンプルで効果的な手法を提案する。
提案手法は,最近の事実検証モデルの成功を活用し,ゼロショットフェイクニュースの検出を可能にする。
論文 参考訳（メタデータ） (2020-10-11T09:28:52Z) - Leveraging Multi-Source Weak Social Supervision for Early Detection of
Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。
この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。
ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。
実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-04-03T18:26:33Z)
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。