論文の概要: BaitWatcher: A lightweight web interface for the detection of
incongruent news headlines
- arxiv url: http://arxiv.org/abs/2003.11459v1
- Date: Mon, 23 Mar 2020 23:43:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 00:33:08.122521
- Title: BaitWatcher: A lightweight web interface for the detection of
incongruent news headlines
- Title（参考訳）: BaitWatcher:違和感のないニュースの見出しを検出する軽量Webインターフェース
- Authors: Kunwoo Park, Taegyun Kim, Seunghyun Yoon, Meeyoung Cha, and Kyomin
Jung
- Abstract要約: BaitWatcherは軽量なWebインターフェースで、ニュース記事の見出しをクリックする前に、読者が不一致の可能性を推定する。
BaiittWatcherは階層的リカレントエンコーダを使用して、ニュース見出しとその関連するボディテキストの複雑なテキスト表現を効率的に学習する。
- 参考スコア（独自算出の注目度）: 27.29585619643952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In digital environments where substantial amounts of information are shared
online, news headlines play essential roles in the selection and diffusion of
news articles. Some news articles attract audience attention by showing
exaggerated or misleading headlines. This study addresses the \textit{headline
incongruity} problem, in which a news headline makes claims that are either
unrelated or opposite to the contents of the corresponding article. We present
\textit{BaitWatcher}, which is a lightweight web interface that guides readers
in estimating the likelihood of incongruence in news articles before clicking
on the headlines. BaitWatcher utilizes a hierarchical recurrent encoder that
efficiently learns complex textual representations of a news headline and its
associated body text. For training the model, we construct a million scale
dataset of news articles, which we also release for broader research use. Based
on the results of a focus group interview, we discuss the importance of
developing an interpretable AI agent for the design of a better interface for
mitigating the effects of online misinformation.
- Abstract（参考訳）: 大量の情報をオンラインで共有するデジタル環境では、ニュースの見出しはニュース記事の選択と拡散に不可欠な役割を果たす。
一部のニュース記事は誇張されたり誤解を招く見出しを見せることで観客の注目を集めている。
本研究は、ニュース見出しが対応する記事の内容と無関係または逆の主張を行う「textit{headline incongruity}」問題に対処する。
記事の見出しをクリックする前に、ニュース記事の違和感の可能性を読者に見積もる、軽量なwebインターフェースである \textit{baitwatcher} を提案する。
BaitWatcherは階層的なリカレントエンコーダを使用し、ニュース見出しとその関連するボディテキストの複雑なテキスト表現を効率的に学習する。
このモデルをトレーニングするために,100万件のニュース記事のデータセットを構築した。
フォーカスグループインタビューの結果に基づき、オンライン誤情報の影響を軽減するためのより良いインタフェース設計のための解釈可能なAIエージェントを開発することの重要性について論じる。
関連論文リスト
- SCStory: Self-supervised and Continual Online Story Discovery [53.72745249384159]
SCStoryは、素早く公開されたニュース記事ストリームを人間のアノテーションなしでリアルタイムで消化するのに役立つ。
SCStoryは、ニュース記事ストリームのストーリー指向適応モデリングという新しいアイデアを取り入れて、自己指導的かつ継続的な学習を取り入れている。
論文 参考訳（メタデータ） (2023-11-27T04:50:01Z) - 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) - From Nuisance to News Sense: Augmenting the News with Cross-Document
Evidence and Context [25.870137795858522]
本稿では,複数のニュース記事からの情報を中心的な話題に集め統合するための,新しいセンスメイキングツールと読書インタフェースであるNEWSSENSEを紹介する。
NEWSSENSEは、異なるソースからの関連記事にリンクすることで、ユーザの選択を集中的に根拠づけた記事を強化する。
我々のパイロット研究は、NEWSSENSEがユーザーが重要な情報を識別し、ニュース記事の信頼性を確認し、異なる視点を探索するのに役立つ可能性を示唆している。
論文 参考訳（メタデータ） (2023-10-06T21:15:11Z) - 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) - Designing and Evaluating Interfaces that Highlight News Coverage
Diversity Using Discord Questions [84.55145223950427]
本稿は,ニュース記事のための大規模なソースコレクションをナビゲートすることは,それ以上のガイダンスなしでは困難であることを示す。
本稿では,ニュース読者が読みながら範囲の多様性を発見することを目的とした,注釈記事,要約記事,質問表の3つのインタフェースを設計する。
論文 参考訳（メタデータ） (2023-02-17T16:59:31Z) - 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) - Headline Diagnosis: Manipulation of Content Farm Headlines [0.0]
ニュース記事が公式の報道機関のものであるかどうかを正確に予測することが不可欠である。
本研究は、ニュース記事の信頼性を決定するために、畳み込みニューラルネットワークに基づく見出し分類を開発する。
論文 参考訳（メタデータ） (2022-04-25T02:55:33Z) - Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。
23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。
大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
論文 参考訳（メタデータ） (2021-04-18T09:50:11Z) - 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) - Generating Representative Headlines for News Stories [31.67864779497127]
同じ出来事をニュースに報告している記事のグループ化は、読者がニュースを消費するのを助ける一般的な方法である。
各ストーリーの代表的見出しを効率的かつ効果的に生成することは、依然として困難な研究課題である。
我々は,人間のアノテーションを使わずに大規模世代モデルを訓練するための遠隔監視手法を開発した。
論文 参考訳（メタデータ） (2020-01-26T02:08:22Z) - SirenLess: reveal the intention behind news [31.757138364005087]
本稿では,言語的特徴による誤ニュース検出のための視覚解析システムであるSirenLessを紹介する。
このシステムは、ニュースメタデータと言語機能を統合し、ニュース記事の意味構造を明らかにする新しいインタラクティブツールである、記事エクスプローラーを特徴とする。
我々は、SirenLessを用いて、異なるソースから18のニュース記事を分析し、誤ったニュース検出のためのいくつかの有用なパターンを要約する。
論文 参考訳（メタデータ） (2020-01-08T20:36:17Z)
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。