論文の概要: Information Credibility in the Social Web: Contexts, Approaches, and
Open Issues
- arxiv url: http://arxiv.org/abs/2001.09473v1
- Date: Sun, 26 Jan 2020 15:42:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 21:45:00.203760
- Title: Information Credibility in the Social Web: Contexts, Approaches, and
Open Issues
- Title(参考訳): ソーシャルウェブにおける情報の信頼性--文脈・アプローチ・オープン・イシュー
- Authors: Gabriella Pasi and Marco Viviani
- Abstract要約: 信頼性(英語: Cliability)とは、個人によって認識される品質であり、必ずしも自分の認知能力と偽の情報とを区別できるわけではない。
ソーシャルメディアにおける信頼性を自動的に評価するためのいくつかのアプローチが提案されている。
- 参考スコア(独自算出の注目度): 2.2133187119466116
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In the Social Web scenario, large amounts of User-Generated Content (UGC) are
diffused through social media often without almost any form of traditional
trusted intermediaries. Therefore, the risk of running into misinformation is
not negligible. For this reason, assessing and mining the credibility of online
information constitutes nowadays a fundamental research issue. Credibility,
also referred as believability, is a quality perceived by individuals, who are
not always able to discern, with their own cognitive capacities, genuine
information from fake one. Hence, in the last years, several approaches have
been proposed to automatically assess credibility in social media. Many of them
are based on data-driven models, i.e., they employ machine learning techniques
to identify misinformation, but recently also model-driven approaches are
emerging, as well as graph-based approaches focusing on credibility
propagation, and knowledge-based ones exploiting Semantic Web technologies.
Three of the main contexts in which the assessment of information credibility
has been investigated concern: (i) the detection of opinion spam in review
sites, (ii) the detection of fake news in microblogging, and (iii) the
credibility assessment of online health-related information. In this article,
the main issues connected to the evaluation of information credibility in the
Social Web, which are shared by the above-mentioned contexts, are discussed. A
concise survey of the approaches and methodologies that have been proposed in
recent years to address these issues is also presented.
- Abstract(参考訳): ソーシャルウェブのシナリオでは、大量のユーザー生成コンテンツ(ugc)がソーシャルメディアを通じて拡散され、伝統的な信頼できる仲介者はほとんどいない。
したがって、誤った情報に遭遇するリスクは無視できない。
そのため,オンライン情報の信頼性評価とマイニングが,近年の基本的な研究課題となっている。
信頼性(せいりょう、英: Cliability)とは、認知能力と偽情報とを区別できるわけではない個人によって認識される品質である。
そのため,近年,ソーシャルメディアの信頼性を自動評価する手法がいくつか提案されている。
それらの多くは、データ駆動モデル、すなわち、誤情報を特定するために機械学習技術を採用しているが、最近では、信頼性の伝播に焦点を当てたグラフベースのアプローチや、セマンティックWeb技術を利用した知識ベースのアプローチも出現している。
情報信頼性の評価が検討されている3つの主な文脈について考察する。
(i)レビューサイトにおける意見スパムの検出
(ii)マイクロブログにおける偽ニュースの検出
(iii)オンライン健康関連情報の信頼性評価
本稿では、上記の文脈で共有されるソーシャルウェブにおける情報信頼性の評価に関連する主な課題について論じる。
これらの課題に対処するために近年提案されているアプローチと方法論の簡潔な調査も紹介する。
関連論文リスト
- ExFake: Towards an Explainable Fake News Detection Based on Content and
Social Context Information [0.0]
ExFakeは、コンテンツとコンテキストレベルの情報に基づく、説明可能なフェイクニュース検知システムである。
説明可能なAI(XAI)アシスタントも採用され、疑わしい情報に直面したオンラインソーシャルネットワーク(OSN)ユーザーが良好な反射を発達するのに役立つ。
論文 参考訳(メタデータ) (2023-11-16T15:57:58Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on
Social Media [53.51665032295087]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳(メタデータ) (2023-05-23T16:40:07Z) - Leveraging Social Interactions to Detect Misinformation on Social Media [25.017602051478768]
新型コロナウイルスのパンデミックで生成されたデータセットを使って、この問題に対処する。
情報ソースの以前の評価に基づいて、信頼性または信頼性が低いとラベル付けされた情報を議論するツイートのカスケードを含む。
我々は、ネットワーク情報にも活用する。ホモフィリ原理に従えば、対話するユーザは、一般的に同様の話題に興味を持ち、同様の種類のニュースを拡散する、という仮説を立てる。
論文 参考訳(メタデータ) (2023-04-06T10:30:04Z) - Approaches to Identify Vulnerabilities to Misinformation: A Research
Agenda [24.80321868079655]
オンライン誤報の頻度を考えると、インターネット利用者はそのような情報にしばしば被害を受けることが示されている。
我々は、脆弱なユーザーを特定するために、現在進行中の2つの研究方法を強調した。
論文 参考訳(メタデータ) (2022-10-21T00:33:39Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳(メタデータ) (2021-11-11T19:40:51Z) - Attacking Open-domain Question Answering by Injecting Misinformation [116.25434773461465]
質問応答モデル(QA)に対する誤報のリスクについて,オープンドメインQAモデルの誤報文書に対する感度について検討した。
実験により、QAモデルは誤情報による少量の証拠汚染に対して脆弱であることが示されている。
質問応答と誤情報検出を統合した誤情報認識型QAシステムの構築の必要性について論じる。
論文 参考訳(メタデータ) (2021-10-15T01:55:18Z) - SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。
従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。
虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
論文 参考訳(メタデータ) (2021-05-22T09:26:13Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳(メタデータ) (2020-10-20T19:37:04Z) - 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) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳(メタデータ) (2020-01-27T11:21:05Z) - An Approach for Time-aware Domain-based Social Influence Prediction [4.753874889216745]
本稿では,ユーザの信頼性を計測し,予測するために,意味分析と機械学習モジュールを取り入れたアプローチを提案する。
本実験の評価は,高度に信頼性の高いドメインベースユーザを予測するために,組み込まれた機械学習技術の適用性を検証する。
論文 参考訳(メタデータ) (2020-01-19T10:39:37Z)
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。