論文の概要: A multi-layer approach to disinformation detection on Twitter

• arxiv url: http://arxiv.org/abs/2002.12612v2
• Date: Thu, 12 Nov 2020 08:23:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 02:41:02.025074
• Title: A multi-layer approach to disinformation detection on Twitter
• Title（参考訳）: twitterにおける偽情報検出のための多層アプローチ
• Authors: Francesco Pierri, Carlo Piccardi, Stefano Ceri
• Abstract要約: 我々は,Twitter拡散ネットワークの多層表現を用い,各層に対してグローバルネットワーク機能群を計算した。 米国とイタリアでそれぞれ共有されたニュースの拡散カスケードに対応する2つの大規模データセットによる実験結果から、単純なロジスティック回帰モデルにより、偽情報と主流ネットワークを高精度に分類できることが示されている。 当社のネットワークベースのアプローチは,ソーシャルメディアに拡散する誤解を招く有害な情報を検出するシステム開発への道を開く有用な洞察を提供すると考えている。
• 参考スコア（独自算出の注目度）: 4.663548775064491
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We tackle the problem of classifying news articles pertaining to disinformation vs mainstream news by solely inspecting their diffusion mechanisms on Twitter. Our technique is inherently simple compared to existing text-based approaches, as it allows to by-pass the multiple levels of complexity which are found in news content (e.g. grammar, syntax, style). We employ a multi-layer representation of Twitter diffusion networks, and we compute for each layer a set of global network features which quantify different aspects of the sharing process. Experimental results with two large-scale datasets, corresponding to diffusion cascades of news shared respectively in the United States and Italy, show that a simple Logistic Regression model is able to classify disinformation vs mainstream networks with high accuracy (AUROC up to 94%), also when considering the political bias of different sources in the classification task. We also highlight differences in the sharing patterns of the two news domains which appear to be country-independent. We believe that our network-based approach provides useful insights which pave the way to the future development of a system to detect misleading and harmful information spreading on social media.
• Abstract（参考訳）: 我々は,twitter上での拡散機構のみを検査することにより,不正情報と主流ニュースに関するニュース記事を分類する問題に取り組む。 我々の手法は、ニュースコンテンツ(文法、文法、スタイルなど)に見られる複雑さのレベルをバイパスできるため、既存のテキストベースのアプローチと比較して本質的に単純である。 我々は,twitterの拡散ネットワークを多層表現し,共有プロセスのさまざまな側面を定量化するグローバルネットワーク機能の集合を各層毎に計算する。 米国とイタリアでそれぞれ共有されたニュースの拡散カスケードに対応する2つの大規模データセットによる実験結果から、単純なロジスティック回帰モデルは、分類タスクにおける異なるソースの政治的バイアスを考慮する際にも、偽情報と主流ネットワークを高い精度で分類できる(AUROCは94%まで)。 また、国に依存しないと思われる2つのニュースドメインの共有パターンの違いも強調する。 当社のネットワークベースのアプローチは,ソーシャルメディアに拡散する誤解を招く有害な情報を検出するシステム開発への道を開く有用な洞察を提供すると考えている。

関連論文リスト

• A Semi-supervised Fake News Detection using Sentiment Encoding and LSTM with Self-Attention [0.0]
  本研究では,感情分析を最先端の事前学習モデルによって獲得する半教師付き自己学習手法を提案する。 学習モデルは半教師付き方式で訓練され、LSTMに自己注意層を組み込む。 我々は,2万件のニュースコンテンツをデータセットにベンチマークし,そのフィードバックとともに,フェイクニュース検出における競合手法と比較して精度,リコール,測定性能が向上したことを示す。
  論文  参考訳（メタデータ） (2024-07-27T20:00:10Z)
• Enhancing Fake News Detection in Social Media via Label Propagation on Cross-modal Tweet Graph [19.409935976725446]
  ソーシャルメディアにおける偽ニュースを検出する新しい方法を提案する。 我々の手法は、より密な相互作用をよりよく捉えるために、グラフの接続性を高める。 評価には、Twitter、PHEME、Weiboの3つの公開フェイクニュースデータセットを使用します。
  論文  参考訳（メタデータ） (2024-06-14T09:55:54Z)
• No Place to Hide: Dual Deep Interaction Channel Network for Fake News Detection based on Data Augmentation [16.40196904371682]
  本稿では,意味,感情,データ強化の観点から,偽ニュース検出のための新しいフレームワークを提案する。 セマンティックと感情の2つのディープインタラクションチャネルネットワークは、より包括的できめ細かなニュース表現を得るために設計されている。 実験の結果,提案手法は最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-03-31T13:33:53Z)
• 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)
• 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)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)
• Fake News Detection with Heterogeneous Transformer [13.804363799338613]
  本稿では,ソーシャルネットワーク上での偽ニュース検出問題を解決するために,新しいトランスフォーマーモデルHetTransformerを提案する。 まず、ソーシャルネットワークにおけるニュース、ポスト、ユーザーエンティティの局所的な異種意味を捉えます。 次に,トランスフォーマーを用いて,ソーシャルネットワークにおける伝播パターンのグローバルな構造表現を捉え,フェイクニュース検出を行う。
  論文  参考訳（メタデータ） (2022-05-06T09:31:23Z)
• Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
  異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。 我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。 3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
  論文  参考訳（メタデータ） (2022-04-19T12:10:03Z)
• Misinformation Detection in Social Media Video Posts [0.4724825031148411]
  ソーシャルメディアプラットフォームによるショートフォームビデオは、ソーシャルメディアプロバイダーにとって重要な課題となっている。 本研究では,ソーシャルメディア投稿における誤情報検出手法を開発し,ビデオやテキストなどのモダリティを活用する。 われわれはTwitterから16万の動画投稿を収集し、自己教師付き学習を活用して、共同視覚およびテキストデータの表現表現を学ぶ。
  論文  参考訳（メタデータ） (2022-02-15T20:14:54Z)
• Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
  本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。 本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
  論文  参考訳（メタデータ） (2020-11-13T10:19:13Z)
• Transferable Perturbations of Deep Feature Distributions [102.94094966908916]
  本研究は,クラスワイドおよび層ワイドな特徴分布のモデリングと利用に基づく新たな敵攻撃を提案する。 我々は、未定義の画像ネットモデルに対して、最先端のブラックボックス転送に基づく攻撃結果を得る。
  論文  参考訳（メタデータ） (2020-04-27T00:32:25Z)

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。