論文の概要: Detecting Fake News with Capsule Neural Networks

• arxiv url: http://arxiv.org/abs/2002.01030v1
• Date: Mon, 3 Feb 2020 22:13:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 09:14:35.087236
• Title: Detecting Fake News with Capsule Neural Networks
• Title（参考訳）: カプセルニューラルネットワークによるフェイクニュースの検出
• Authors: Mohammad Hadi Goldani, Saeedeh Momtazi, Reza Safabakhsh
• Abstract要約: 本稿では,疑似ニュース検出タスクにおいてカプセルニューラルネットを活用することを目的とする。 私たちは、異なる長さのニュースアイテムに異なる埋め込みモデルを使用します。 提案するアーキテクチャは,最近よく知られた2つのデータセットで評価されている。
• 参考スコア（独自算出の注目度）: 0.6445605125467573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fake news is dramatically increased in social media in recent years. This has prompted the need for effective fake news detection algorithms. Capsule neural networks have been successful in computer vision and are receiving attention for use in Natural Language Processing (NLP). This paper aims to use capsule neural networks in the fake news detection task. We use different embedding models for news items of different lengths. Static word embedding is used for short news items, whereas non-static word embeddings that allow incremental up-training and updating in the training phase are used for medium length or large news statements. Moreover, we apply different levels of n-grams for feature extraction. Our proposed architectures are evaluated on two recent well-known datasets in the field, namely ISOT and LIAR. The results show encouraging performance, outperforming the state-of-the-art methods by 7.8% on ISOT and 3.1% on the validation set, and 1% on the test set of the LIAR dataset.
• Abstract（参考訳）: 近年、ソーシャルメディアではフェイクニュースが劇的に増えている。 これにより、効果的な偽ニュース検出アルゴリズムの必要性が高まった。 カプセルニューラルネットワークはコンピュータビジョンで成功しており、自然言語処理(NLP)での使用に注目されている。 本稿では,疑似ニュース検出タスクにおけるカプセルニューラルネットワークの利用を目的とした。 異なる長さのニュースアイテムに異なる埋め込みモデルを使用します。 静的な単語埋め込みは短いニュース記事に使用されるが、トレーニングフェーズにおける漸進的なアップトレーニングと更新を可能にする非静的な単語埋め込みは中程度の長さや大きなニュース文に使用される。 さらに,特徴抽出にn-gramの異なるレベルを適用する。 提案するアーキテクチャは,ISOTとLIARという,この分野で最近よく知られた2つのデータセットで評価されている。 その結果、パフォーマンスが向上し、ISOTが7.8%、バリデーションセットが3.1%、LIARデータセットのテストセットが1%向上した。

関連論文リスト

• Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
  Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。 偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
  論文  参考訳（メタデータ） (2022-11-25T18:24:17Z)
• Combination Of Convolution Neural Networks And Deep Neural Networks For Fake News Detection [0.0]
  我々は、フェイクニュースチャレンジのステージ#1データセットを説明し、フェイクニュース検知システムを構築するための競争的試みの概要を説明した。 提案システムは,不一致カテゴリを除くすべてのカテゴリを高精度に検出する。 その結果、このシステムは84.6%の精度を達成し、他の競合研究に基づいて第2位にランク付けされた。
  論文  参考訳（メタデータ） (2022-10-15T16:32:51Z)
• UrduFake@FIRE2020: Shared Track on Fake News Identification in Urdu [62.6928395368204]
  本稿では、ウルドゥー語における偽ニュース検出に関するFIRE 2020における最初の共有タスクの概要について述べる。 目標は、900の注釈付きニュース記事と400のニュース記事からなるデータセットを使って偽ニュースを特定することである。 データセットには、 (i) Health、 (ii) Sports、 (iii) Showbiz、 (iv) Technology、 (v) Businessの5つのドメインのニュースが含まれている。
  論文  参考訳（メタデータ） (2022-07-25T03:46:51Z)
• Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2020 [62.6928395368204]
  タスクはバイナリ分類タスクとして設定され、ゴールはリアルニュースとフェイクニュースを区別することである。 トレーニング用に900の注釈付きニュース記事とテスト用に400のニュース記事のデータセットを作成した。 6カ国(インド、中国、エジプト、ドイツ、パキスタン、イギリス)の42チームが登録された。
  論文  参考訳（メタデータ） (2022-07-25T03:41:32Z)
• 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)
• DEAP-FAKED: Knowledge Graph based Approach for Fake News Detection [0.04834203844100679]
  フェイクニュースを識別するためのノウレDgE grAPh FAKe nEws検出フレームワークを提案する。 私たちのアプローチは、ニュースコンテンツをエンコードするNLPと、知識グラフをエンコードするGNNテクニックを組み合わせたものです。 政治,ビジネス,技術,医療といった分野の記事を含む2つの公開データセットを用いて,我々のフレームワークを評価する。
  論文  参考訳（メタデータ） (2021-07-04T07:09:59Z)
• A Heuristic-driven Uncertainty based Ensemble Framework for Fake News Detection in Tweets and News Articles [5.979726271522835]
  ニュース項目が「本物」か「偽」かを自動的に識別する新しい偽ニュース検出システムについて述べる。 我々は,事前学習したモデルと統計的特徴融合ネットワークからなるアンサンブルモデルを用いた。 提案手法は,分類タスクの適切なクラス出力信頼度レベルとともに,信頼性の高い予測不確実性を定量化した。
  論文  参考訳（メタデータ） (2021-04-05T06:35:30Z)
• Adversarial Active Learning based Heterogeneous Graph Neural Network for Fake News Detection [18.847254074201953]
  新規な偽ニュース検出フレームワークであるAdversarial Active Learning-based Heterogeneous Graph Neural Network(AA-HGNN)を提案する。 AA-HGNNは、特にラベル付きデータのあいまいさに直面している場合、学習性能を高めるためにアクティブな学習フレームワークを利用する。 2つの実世界のフェイクニュースデータセットによる実験により、我々のモデルはテキストベースのモデルや他のグラフベースのモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-27T05:05:25Z)
• Fusion of CNNs and statistical indicators to improve image classification [65.51757376525798]
  畳み込みネットワークは過去10年間、コンピュータビジョンの分野を支配してきた。 この傾向を長引かせる主要な戦略は、ネットワーク規模の拡大によるものだ。 我々は、異種情報ソースを追加することは、より大きなネットワークを構築するよりもCNNにとって費用対効果が高いと仮定している。
  論文  参考訳（メタデータ） (2020-12-20T23:24:31Z)
• Be More with Less: Hypergraph Attention Networks for Inductive Text Classification [56.98218530073927]
  グラフニューラルネットワーク(GNN)は、研究コミュニティで注目され、この標準タスクで有望な結果を実証している。 成功にもかかわらず、それらのパフォーマンスは、単語間の高次相互作用をキャプチャできないため、実際は大部分が危険に晒される可能性がある。 本稿では,テキスト表現学習において,少ない計算量でより表現力の高いハイパーグラフアテンションネットワーク(HyperGAT)を提案する。
  論文  参考訳（メタデータ） (2020-11-01T00:21:59Z)
• Fake News Detection using Temporal Features Extracted via Point Process [2.105564340986074]
  SNS投稿から発生する時間的特徴をポイントプロセスアルゴリズムを用いて実ニュースから偽ニュースを識別する。 本稿では,時間的特徴とともに言語的特徴とユーザ的特徴を含む新しいマルチモーダルアテンションベース手法を提案する。
  論文  参考訳（メタデータ） (2020-07-28T06:34:54Z)

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。