論文の概要: Ginger Cannot Cure Cancer: Battling Fake Health News with a
Comprehensive Data Repository
- arxiv url: http://arxiv.org/abs/2002.00837v2
- Date: Mon, 30 Mar 2020 06:08:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 08:08:16.527284
- Title: Ginger Cannot Cure Cancer: Battling Fake Health News with a
Comprehensive Data Repository
- Title（参考訳）: Ginger Cant Cure Cancer:包括的データリポジトリによるフェイクヘルスニュースのバトリング
- Authors: Enyan Dai, Yiwei Sun, Suhang Wang
- Abstract要約: インターネット上で拡散している偽の健康ニュースは、公衆衛生にとって深刻な脅威となっている。
我々は、豊富な特徴を持つニュースコンテンツ、詳細な説明を含むニュースレビュー、ソーシャルエンゲージメント、ユーザー・ユーザー・ソーシャルネットワークを含む包括的リポジトリ、FakeHealthを構築した。
- 参考スコア（独自算出の注目度）: 40.76937321931461
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, Internet is a primary source of attaining health information.
Massive fake health news which is spreading over the Internet, has become a
severe threat to public health. Numerous studies and research works have been
done in fake news detection domain, however, few of them are designed to cope
with the challenges in health news. For instance, the development of
explainable is required for fake health news detection. To mitigate these
problems, we construct a comprehensive repository, FakeHealth, which includes
news contents with rich features, news reviews with detailed explanations,
social engagements and a user-user social network. Moreover, exploratory
analyses are conducted to understand the characteristics of the datasets,
analyze useful patterns and validate the quality of the datasets for health
fake news detection. We also discuss the novel and potential future research
directions for the health fake news detection.
- Abstract（参考訳）: 現在、インターネットは健康情報を得る主要な情報源となっている。
インターネット上で拡散している偽の健康ニュースは、公衆衛生にとって深刻な脅威となっている。
偽ニュース検出の分野では研究や研究が数多く行われているが、健康ニュースの課題に対処するために設計されたものはほとんどない。
例えば、偽の健康ニュースの検出には説明可能な開発が必要である。
これらの問題を緩和するため、我々はFakeHealthという包括的リポジトリを構築し、リッチな特徴を持つニュースコンテンツ、詳細な説明を伴うニュースレビュー、ソーシャルエンゲージメント、ユーザー・ソーシャルネットワークなどを含む。
さらに、データセットの特徴を理解し、有用なパターンを分析し、健康なフェイクニュース検出のためのデータセットの品質を検証するために探索分析を行った。
また、健康偽ニュース検出の新しい研究方向性と今後の研究方向性についても論じる。
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) - 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) - Combining Machine Learning with Knowledge Engineering to detect Fake
News in Social Networks-a survey [0.7120858995754653]
ニュースメディアやソーシャルメディアでは、情報は高速に拡散されるが、正確性がないため、検出メカニズムは偽ニュースの拡散に対処するのに十分な速さでニュースを予測することができる。
本稿では,フェイクニュースとは何か,フェイクニュースの重要性,さまざまな領域におけるフェイクニュースの全体的影響,ソーシャルメディア上でフェイクニュースを検出するさまざまな方法,問題を克服する上で有効な既存の検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-01-20T07:43:15Z) - SOMPS-Net : Attention based social graph framework for early detection
of fake health news [0.06524460254566904]
筆者らは,マルチヘッドアテンションとパブリッシャ情報とニュース統計ネットワーク(SOMPS-Net)を備えた新しいグラフベースのフレームワークSOcial graphを提案する。
提案されたモデルはHealthStoryデータセット上で実験され、がん、アルツハイマー病、産婦人科、栄養などの様々な医療トピックを一般化する。
早期発見実験により、SOMPS-Netは放送からわずか8時間以内に79%の確証のある偽ニュースを予測した。
論文 参考訳（メタデータ） (2021-11-22T15:21:30Z) - Dataset of Fake News Detection and Fact Verification: A Survey [0.0]
フェイクニュースが急速に増加し、社会に大きなダメージを与え、多くのフェイクニュース関連研究が引き起こされる。
これらの研究のリソースは主に、Webデータから取得した公開データセットとして利用可能である。
3つの視点から,フェイクニュース研究に関連する118のデータセットを大規模に調査した。
論文 参考訳（メタデータ） (2021-11-05T07:22:16Z) - 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) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳（メタデータ） (2021-05-21T10:46:43Z) - 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) - 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) - Mining Disinformation and Fake News: Concepts, Methods, and Recent
Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています
偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文 参考訳（メタデータ） (2020-01-02T21:01:02Z)
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。