論文の概要: A Deep Learning Approach for Automatic Detection of Fake News
- arxiv url: http://arxiv.org/abs/2005.04938v1
- Date: Mon, 11 May 2020 09:07:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 19:25:43.611106
- Title: A Deep Learning Approach for Automatic Detection of Fake News
- Title（参考訳）: フェイクニュースの自動検出のための深層学習手法
- Authors: Tanik Saikh, Arkadipta De, Asif Ekbal, Pushpak Bhattacharyya
- Abstract要約: 複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。
我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
- 参考スコア（独自算出の注目度）: 47.00462375817434
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Fake news detection is a very prominent and essential task in the field of
journalism. This challenging problem is seen so far in the field of politics,
but it could be even more challenging when it is to be determined in the
multi-domain platform. In this paper, we propose two effective models based on
deep learning for solving fake news detection problem in online news contents
of multiple domains. We evaluate our techniques on the two recently released
datasets, namely FakeNews AMT and Celebrity for fake news detection. The
proposed systems yield encouraging performance, outperforming the current
handcrafted feature engineering based state-of-the-art system with a
significant margin of 3.08% and 9.3% by the two models, respectively. In order
to exploit the datasets, available for the related tasks, we perform
cross-domain analysis (i.e. model trained on FakeNews AMT and tested on
Celebrity and vice versa) to explore the applicability of our systems across
the domains.
- Abstract（参考訳）: フェイクニュースの検出は、ジャーナリズムの分野で非常に顕著で重要な課題である。
この困難な問題は、これまでのところ政治の分野では見受けられるが、マルチドメインのプラットフォームで決定される場合には、さらに難しくなるかもしれない。
本稿では,複数のドメインのオンラインニュースコンテンツにおける偽ニュース検出問題を解決するために,ディープラーニングに基づく2つの効果的なモデルを提案する。
最近リリースされた2つのデータセット、すなわちフェイクニュースamtとセレブによるフェイクニュース検出に関する技術を評価した。
提案したシステムは、現在の手作りの特徴工学に基づく最先端システムよりも、それぞれ3.08%と9.3%の差で性能を向上する。
関連するタスクに利用可能なデータセットを活用するために、私たちはドメイン横断分析(FakeNews AMTでトレーニングされ、Celebrityでテストされたモデル)を行い、ドメイン全体にわたるシステムの適用性を調査します。
関連論文リスト
- A Regularized LSTM Method for Detecting Fake News Articles [0.0]
本稿では,偽ニュース記事を検出するための高度な機械学習ソリューションを開発する。
我々は、23,502の偽ニュース記事と21,417の正確なニュース記事を含む、包括的なニュース記事のデータセットを活用している。
私たちの研究は、そのようなモデルを現実世界のアプリケーションにデプロイする可能性を強調しています。
論文 参考訳（メタデータ） (2024-11-16T05:54:36Z) - How to Train Your Fact Verifier: Knowledge Transfer with Multimodal Open Models [95.44559524735308]
大規模言語またはマルチモーダルモデルに基づく検証は、偽コンテンツや有害コンテンツの拡散を緩和するためのオンラインポリシングメカニズムをスケールアップするために提案されている。
我々は,知識伝達の初期研究を通じて,継続的な更新を行うことなく基礎モデルの性能向上の限界をテストする。
最近の2つのマルチモーダルなファクトチェックベンチマークであるMochegとFakedditの結果は、知識伝達戦略がファクドディットのパフォーマンスを最先端よりも1.7%向上し、Mochegのパフォーマンスを2.9%向上させることができることを示唆している。
論文 参考訳（メタデータ） (2024-06-29T08:39:07Z) - 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) - Unsupervised Domain-agnostic Fake News Detection using Multi-modal Weak
Signals [19.22829945777267]
本研究は,4つのモダリティで利用可能な知識をニュースレコードに埋め込んだ,教師なしフェイクニュース検出のための効果的なフレームワークを提案する。
また,既存のニュースデータセットの潜伏バイアスを最小限に抑えたニュースデータセット構築手法を提案する。
LUND-COVIDを使って提案した教師なしフレームワークをトレーニングし、大規模データセットの可能性を活用した。
論文 参考訳（メタデータ） (2023-05-18T23:49:31Z) - FNDaaS: Content-agnostic Detection of Fake News sites [3.936965297430477]
FNDは、コンテンツに依存しない最初のフェイクニュース検出手法である。
ニュースサイトごとのネットワークや構造的特徴など、新しい、未調査の機能について検討している。
過去のサイトでは最大0.967のAUCスコアを達成でき、新しくフラッグされたサイトでは最大77-92%の精度を達成できる。
論文 参考訳（メタデータ） (2022-12-13T11:17:32Z) - 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) - Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2020 [62.6928395368204]
タスクはバイナリ分類タスクとして設定され、ゴールはリアルニュースとフェイクニュースを区別することである。
トレーニング用に900の注釈付きニュース記事とテスト用に400のニュース記事のデータセットを作成した。
6カ国(インド、中国、エジプト、ドイツ、パキスタン、イギリス)の42チームが登録された。
論文 参考訳（メタデータ） (2022-07-25T03:41:32Z) - Faking Fake News for Real Fake News Detection: Propaganda-loaded
Training Data Generation [105.20743048379387]
提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。
具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。
実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-10T14:24:19Z) - DEAP-FAKED: Knowledge Graph based Approach for Fake News Detection [0.04834203844100679]
フェイクニュースを識別するためのノウレDgE grAPh FAKe nEws検出フレームワークを提案する。
私たちのアプローチは、ニュースコンテンツをエンコードするNLPと、知識グラフをエンコードするGNNテクニックを組み合わせたものです。
政治,ビジネス,技術,医療といった分野の記事を含む2つの公開データセットを用いて,我々のフレームワークを評価する。
論文 参考訳（メタデータ） (2021-07-04T07:09:59Z) - Embracing Domain Differences in Fake News: Cross-domain Fake News
Detection using Multi-modal Data [18.66426327152407]
異なるドメインの偽ニュースを検出するために、ニュースレコードにドメイン固有の知識とクロスドメインの知識を共同で保存する新しいフレームワークを提案する。
提案する偽ニュースモデルと選択的アノテーションアプローチの統合が,クロスドメインニュースデータセットの最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2021-02-11T23:31:14Z)
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。