論文の概要: Fake News Detection by means of Uncertainty Weighted Causal Graphs

• arxiv url: http://arxiv.org/abs/2002.01065v2
• Date: Thu, 2 Apr 2020 05:12:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 02:22:40.725934
• Title: Fake News Detection by means of Uncertainty Weighted Causal Graphs
• Title（参考訳）: 不確実性重み付き因果グラフによる偽ニュースの検出
• Authors: Eduardo C. Garrido-Merch\'an, Cristina Puente, Rafael Palacios
• Abstract要約: ソーシャルネットワークは、必ずしも信頼に値するニュースをシェアすることができる。 フェイクニュースは、特定の人物、グループ、あるいはアイデアについての人々の意見に悪影響を及ぼす可能性がある。 情報を偽物として検出・分類できるシステムを設計することが望ましい。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Society is experimenting changes in information consumption, as new information channels such as social networks let people share news that do not necessarily be trust worthy. Sometimes, these sources of information produce fake news deliberately with doubtful purposes and the consumers of that information share it to other users thinking that the information is accurate. This transmission of information represents an issue in our society, as can influence negatively the opinion of people about certain figures, groups or ideas. Hence, it is desirable to design a system that is able to detect and classify information as fake and categorize a source of information as trust worthy or not. Current systems experiment difficulties performing this task, as it is complicated to design an automatic procedure that can classify this information independent on the context. In this work, we propose a mechanism to detect fake news through a classifier based on weighted causal graphs. These graphs are specific hybrid models that are built through causal relations retrieved from texts and consider the uncertainty of causal relations. We take advantage of this representation to use the probability distributions of this graph and built a fake news classifier based on the entropy and KL divergence of learned and new information. We believe that the problem of fake news is accurately tackled by this model due to its hybrid nature between a symbolic and quantitative methodology. We describe the methodology of this classifier and add empirical evidence of the usefulness of our proposed approach in the form of synthetic experiments and a real experiment involving lung cancer.
• Abstract（参考訳）: 社会は情報消費の変化を実験しており、ソーシャルネットワークのような新しい情報チャネルによって、必ずしも信頼に値するニュースを共有することができる。 これらの情報ソースは疑わしい目的で意図的にフェイクニュースを生成し、その情報のコンシューマは、その情報が正確であると考える他のユーザと共有することがある。 この情報の伝達は社会における問題であり、特定の人物、グループ、あるいはアイデアに対する人々の意見に悪影響を及ぼす可能性がある。 したがって、情報を偽物として検出・分類し、情報源を信頼に値するか否かの分類が可能なシステムを設計することが望ましい。 現在のシステムでは、コンテキストに依存しない情報を分類できる自動プロシージャの設計が難しいため、このタスクを実行するのが難しい。 本研究では,重み付き因果グラフに基づく分類器を用いて偽ニュースを検出するメカニズムを提案する。 これらのグラフは、テキストから得られた因果関係を通して構築され、因果関係の不確実性を考慮する特定のハイブリッドモデルである。 この表現を利用して、このグラフの確率分布を利用し、学習情報と新しい情報のエントロピーとkl発散に基づく偽ニュース分類器を構築した。 擬似ニュースの問題は、象徴的手法と定量的手法のハイブリッド性により、このモデルによって正確に取り組まれていると信じている。 本稿では,この分類器の方法論を解説し,提案手法の有効性に関する実証的証拠を合成実験および肺癌に関する実実験の形で追加する。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• Revisiting Fake News Detection: Towards Temporality-aware Evaluation by Leveraging Engagement Earliness [22.349521957987672]
  ソーシャルグラフに基づく偽ニュース検出は、社会的文脈を利用して偽情報を含むニュース記事を特定することを目的としている。 我々は、現実のシナリオを模倣するより現実的な評価スキームを定式化する。 従来の手法の識別能力は,この新しい設定下で急激に低下することを示す。
  論文  参考訳（メタデータ） (2024-11-19T05:08:00Z)
• Exposing and Explaining Fake News On-the-Fly [4.278181795494584]
  この研究は、偽ニュースをリアルタイムで認識するための説明可能なオンライン分類手法に寄与する。 提案手法は、教師なしおよび教師なしの機械学習アプローチとオンライン生成レキシカを組み合わせたものである。 提案手法の性能はTwitterの実際のデータセットで検証され,その結果は80%精度とマクロF測定値を得た。
  論文  参考訳（メタデータ） (2024-05-03T14:49:04Z)
• 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)
• Fake News Detection Through Graph-based Neural Networks: A Survey [18.70577400440486]
  低品質や故意に偽の情報をオンラインで急速に広めることができる。 オンラインの誤報をできるだけ早く特定し、公表することは、ますます緊急の課題になりつつある。 本稿では,グラフベースおよび深層学習に基づくフェイクニュース検出研究の体系的レビューを行う。
  論文  参考訳（メタデータ） (2023-07-24T09:30:30Z)
• Fake News Identification using Machine Learning Algorithms Based on Graph Features [0.0]
  本研究の目的は,グラフと機械学習アルゴリズムを用いて偽ニュースを識別するモデルを構築することである。 フェイクニュースを効果的に予測し、フェイクニュースによる潜在的なネガティブな社会的影響を防止し、機械学習モデルのためのグラフ機能選択に関する新たな視点を提供する。
  論文  参考訳（メタデータ） (2022-08-22T22:42:57Z)
• Modelling Social Context for Fake News Detection: A Graph Neural Network Based Approach [0.39146761527401425]
  フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。 本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
  論文  参考訳（メタデータ） (2022-07-27T12:58:33Z)
• A Bayesian Framework for Information-Theoretic Probing [51.98576673620385]
  我々は、探索は相互情報を近似するものとみなすべきであると論じる。 これは、表現が元の文とターゲットタスクに関する全く同じ情報をエンコードしているというかなり直感的な結論を導いた。 本稿では,ベイズ的相互情報(Bayesian mutual information)と呼ぶものを測定するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-09-08T18:08:36Z)
• 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)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)
• 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。