Fugu-MT 論文翻訳(概要): Ensemble Deep Learning on Time-Series Representation of Tweets for Rumor Detection in Social Media

論文の概要: Ensemble Deep Learning on Time-Series Representation of Tweets for Rumor Detection in Social Media

arxiv url: http://arxiv.org/abs/2004.12500v1
Date: Sun, 26 Apr 2020 23:13:31 GMT
ステータス: 処理完了
システム内更新日: 2022-12-09 13:09:40.686636
Title: Ensemble Deep Learning on Time-Series Representation of Tweets for Rumor Detection in Social Media
Title（参考訳）: ソーシャルメディアにおけるツイートの時系列表現に関する深層学習
Authors: Chandra Mouli Madhav Kotteti, Xishuang Dong, Lijun Qian
Abstract要約: 本稿では,Twitterデータの時系列ベクトル表現を用いて,深層ニューラルネットワークによる予測の集合に対して多数投票を行い,噂をタイムリーに検出するアンサンブルモデルを提案する。実験結果から, マイクロF1スコアの分類性能は, ベースラインに比べて7.9%向上していることがわかった。
参考スコア（独自算出の注目度）: 2.6514980627603006
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Social media is a popular platform for timely information sharing. One of the important challenges for social media platforms like Twitter is whether to trust news shared on them when there is no systematic news verification process. On the other hand, timely detection of rumors is a non-trivial task, given the fast-paced social media environment. In this work, we proposed an ensemble model, which performs majority-voting on a collection of predictions by deep neural networks using time-series vector representation of Twitter data for timely detection of rumors. By combining the proposed data pre-processing method with the ensemble model, better performance of rumor detection has been demonstrated in the experiments using PHEME dataset. Experimental results show that the classification performance has been improved by 7.9% in terms of micro F1 score compared to the baselines.
Abstract（参考訳）: ソーシャルメディアは、タイムリーな情報共有のための人気のあるプラットフォームである。 Twitterのようなソーシャルメディアプラットフォームにとって重要な課題の1つは、組織的なニュース検証プロセスがないときに、ニュースを信頼するかどうかだ。一方、噂のタイムリーな検出は、速いペースのソーシャルメディア環境を考えると、ささいな作業だ。本研究では,twitterデータの時系列ベクトル表現を用いて,ディープニューラルネットワークによる予測の収集を多数実行し,噂をタイムリーに検出するアンサンブルモデルを提案する。提案手法をアンサンブルモデルと組み合わせることで, フェムデータセットを用いた実験において, 噂検出の性能が向上することを示す。実験結果から, マイクロF1スコアの分類性能は, ベースラインに比べて7.9%向上していることがわかった。

関連論文リスト

A Big Data Analytics System for Predicting Suicidal Ideation in Real-Time Based on Social Media Streaming Data [1.6574413179773761]
本稿では,ソーシャルメディアコンテンツからの自殺思考を予測するため,ビッグデータアーキテクチャに基づく新しい手法を提案する。提案手法は、バッチ処理とリアルタイムストリーミング予測という2つのフェーズで、ソーシャルメディアデータの実用的な分析を提供する。
論文参考訳（メタデータ） (2024-03-19T21:46:52Z)
ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文参考訳（メタデータ） (2023-05-23T16:40:07Z)
Rumour detection using graph neural network and oversampling in benchmark Twitter dataset [0.30079490585515345]
本稿では,オーバサンプリングに着目した自動噂検出システムの構築手法を提案する。オーバーサンプリング手法は,データセットの不足したクラスに対する合成サンプルを生成するために,文脈的データ拡張に頼っている。スレッド上の非線形会話をモデル化するために、2つのグラフニューラルネットワーク(GNN)を提案する。
論文参考訳（メタデータ） (2022-12-20T08:43:10Z)
Probing Spurious Correlations in Popular Event-Based Rumor Detection Benchmarks [28.550143417847373]
オープンソースのベンチマークデータセットは、既存の研究で無視されている急激な相関に悩まされている。本稿では,突発的な手がかりを除去する手段として,事象分離型うわさ検出法を提案する。提案手法は, 有効性, 効率, 一般化性の観点から, 既存のベースラインよりも優れている。
論文参考訳（メタデータ） (2022-09-19T07:11:36Z)
Learning Phone Recognition from Unpaired Audio and Phone Sequences Based on Generative Adversarial Network [58.82343017711883]
そこで本研究では,不適切な音声系列や発話から直接学習する方法について検討する。 GAN訓練を第1段階に導入し,無声音声と音声シーケンスのマッピング関係を求める。第2段階では、発電機の出力からトレーニングするために別のHMMモデルが導入され、性能が向上する。
論文参考訳（メタデータ） (2022-07-29T09:29:28Z)
A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文参考訳（メタデータ） (2022-03-10T08:58:18Z)
SoundDet: Polyphonic Sound Event Detection and Localization from Raw Waveform [48.68714598985078]
SoundDetは、多音動音イベントの検出とローカライゼーションのためのエンドツーエンドのトレーニング可能で軽量なフレームワークである。 SoundDetは、生のマルチチャネル波形を直接消費し、検出すべき時間音イベントを完全な音オブジェクトとして扱う。次に、時間的変化が大きいイベントを予測する上での課題に対処するため、高密度な音響提案イベントマップを構築する。
論文参考訳（メタデータ） (2021-06-13T11:43:41Z)
SRLF: A Stance-aware Reinforcement Learning Framework for Content-based Rumor Detection on Social Media [15.985224010346593]
初期のコンテンツベースの方法は、噂の検出のためにテキストとユーザープロファイルから手がかりを見つけることに集中した。近年の研究では、ユーザのコメントとニュースコンテンツを組み合わせて、真実と偽の噂の違いを捉えている。本稿では,モデルトレーニングと噂検出のための高品質なラベル付き姿勢データを選択するための,SRLF(Stance-Aware Reinforcement Learning Framework)を提案する。
論文参考訳（メタデータ） (2021-05-10T03:58:34Z)
Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文参考訳（メタデータ） (2020-05-18T09:36:51Z)
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)
RP-DNN: A Tweet level propagation context based deep neural networks for early rumor detection in Social Media [3.253418861583211]
ソーシャルメディアプラットフォーム上での早期の噂検出(ERD)は、限定的で不完全でノイズの多い情報が利用可能である場合、非常に困難である。本稿では,文字ベース双方向言語モデルとLong Short-Term Memory(LSTM)ネットワークを組み合わせた,新しいハイブリッドニューラルネットワークアーキテクチャを提案する。当社のモデルでは,12件以上のイベントと2,967件の噂を網羅する大規模拡張データ上での未知の噂を検出するために,最先端(SoA)性能を実現している。
論文参考訳（メタデータ） (2020-02-28T12:44:34Z)

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。