論文の概要: SAFE: Similarity-Aware Multi-Modal Fake News Detection
- arxiv url: http://arxiv.org/abs/2003.04981v1
- Date: Wed, 19 Feb 2020 02:51:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 12:42:42.052309
- Title: SAFE: Similarity-Aware Multi-Modal Fake News Detection
- Title（参考訳）: SAFE:類似性を考慮したマルチモーダルフェイクニュース検出
- Authors: Xinyi Zhou, Jindi Wu, Reza Zafarani
- Abstract要約: テキストや画像,あるいはその“ミスマッチ”に基づいて偽ニュースを検出する新しい手法を提案する。
このようなニューステキストと視覚情報の表現と関係性は共同で学習され、偽ニュースを予測するために使用される。
提案手法の有効性を実証した大規模実世界のデータについて広範な実験を行った。
- 参考スコア（独自算出の注目度）: 8.572654816871873
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Effective detection of fake news has recently attracted significant
attention. Current studies have made significant contributions to predicting
fake news with less focus on exploiting the relationship (similarity) between
the textual and visual information in news articles. Attaching importance to
such similarity helps identify fake news stories that, for example, attempt to
use irrelevant images to attract readers' attention. In this work, we propose a
$\mathsf{S}$imilarity-$\mathsf{A}$ware $\mathsf{F}$ak$\mathsf{E}$ news
detection method ($\mathsf{SAFE}$) which investigates multi-modal (textual and
visual) information of news articles. First, neural networks are adopted to
separately extract textual and visual features for news representation. We
further investigate the relationship between the extracted features across
modalities. Such representations of news textual and visual information along
with their relationship are jointly learned and used to predict fake news. The
proposed method facilitates recognizing the falsity of news articles based on
their text, images, or their "mismatches." We conduct extensive experiments on
large-scale real-world data, which demonstrate the effectiveness of the
proposed method.
- Abstract（参考訳）: 偽ニュースの効果的な検出が最近注目されている。
近年の研究では、ニュース記事のテキスト情報と視覚情報の関係性(類似性)を生かして偽ニュースを予測することに多大な貢献をしている。
このような類似性の重要性は、例えば、無関係な画像を使って読者の注目を集めようとする偽ニュースの特定に役立つ。
本稿では,ニュース記事のマルチモーダル(テキストおよびビジュアル)情報を調べるために,$\mathsf{S}$imilarity-$\mathsf{A}$ware $\mathsf{F}$ak$\mathsf{E}$ news detection method$\mathsf{SAFE}$)を提案する。
まず、ニューラルネットワークを用いて、ニュース表現のためのテキストと視覚の特徴を別々に抽出する。
さらに,抽出した特徴とモダリティの関係について検討する。
このようなニューステキストと視覚情報の表現とその関係を共同で学習し、偽ニュースを予測する。
提案手法は,そのテキストや画像,あるいはその「ミスマッチ」に基づいて,ニュース記事の虚偽性を認識しやすくする。
提案手法の有効性を実証した大規模実世界のデータについて広範な実験を行った。
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) - 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) - fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。
本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。
ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
論文 参考訳（メタデータ） (2023-09-20T04:10:03Z) - TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection [15.386007761649251]
本稿では,マルチモーダルな文脈情報と著者の感情を共同でモデル化し,テキストの類似性と感情認識型フェイクニュース検出(TieFake)手法を提案する。
具体的には、BERT と ResNeSt を用いて、テキストや画像の表現を学習し、出版者感情抽出器を用いて、ニュースコンテンツにおける著者の主観的感情をキャプチャする。
論文 参考訳（メタデータ） (2023-04-19T04:47:36Z) - 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) - A Multi-Policy Framework for Deep Learning-Based Fake News Detection [0.31498833540989407]
フェイクニュース検出を自動化するフレームワークであるMPSC(Multi-Policy Statement Checker)を導入する。
MPSCは、深層学習技術を用いて、文自体とその関連するニュース記事を分析し、それが信頼できるか疑わしいかを予測する。
論文 参考訳（メタデータ） (2022-06-01T21:25:21Z) - 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) - Multimodal Fusion with BERT and Attention Mechanism for Fake News
Detection [0.0]
テキストと視覚データから派生したマルチモーダル特徴を融合させて偽ニュースを検出する新しい手法を提案する。
実験の結果,公開twitterデータセットにおける現在の最先端手法よりも3.1%の精度で性能が向上した。
論文 参考訳（メタデータ） (2021-04-23T08:47:54Z) - Supporting verification of news articles with automated search for
semantically similar articles [0.0]
偽ニュースを扱うための証拠検索手法を提案する。
学習課題は教師なし機械学習問題として定式化される。
われわれのアプローチは、コンセプトドリフトとは無関係である。
機械学習タスクはテキスト内の仮説とは独立している。
論文 参考訳（メタデータ） (2021-03-29T12:56:59Z) - 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)
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。