論文の概要: Independent Component Analysis for Trustworthy Cyberspace during High Impact Events: An Application to Covid-19

• arxiv url: http://arxiv.org/abs/2006.01284v3
• Date: Tue, 30 Jun 2020 22:30:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 06:21:52.388343
• Title: Independent Component Analysis for Trustworthy Cyberspace during High Impact Events: An Application to Covid-19
• Title（参考訳）: 高インパクトイベントにおける信頼できるサイバー空間の独立成分分析:Covid-19への応用
• Authors: Zois Boukouvalas, Christine Mallinson, Evan Crothers, Nathalie Japkowicz, Aritran Piplai, Sudip Mittal, Anupam Joshi, and T\"ulay Adal{\i}
• Abstract要約: 新型コロナウイルス(COVID-19)の感染拡大など、ソーシャルメディアは重要なコミュニケーションチャンネルとなっている。 ソーシャルメディアにおける誤報が急速に拡散し、社会不安を生じさせるため、そのような出来事における誤報の拡散は重要なデータ課題である。 本稿では,ICAモデルに基づくデータ駆動型ソリューションを提案する。
• 参考スコア（独自算出の注目度）: 4.629100947762816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media has become an important communication channel during high impact events, such as the COVID-19 pandemic. As misinformation in social media can rapidly spread, creating social unrest, curtailing the spread of misinformation during such events is a significant data challenge. While recent solutions that are based on machine learning have shown promise for the detection of misinformation, most widely used methods include approaches that rely on either handcrafted features that cannot be optimal for all scenarios, or those that are based on deep learning where the interpretation of the prediction results is not directly accessible. In this work, we propose a data-driven solution that is based on the ICA model, such that knowledge discovery and detection of misinformation are achieved jointly. To demonstrate the effectiveness of our method and compare its performance with deep learning methods, we developed a labeled COVID-19 Twitter dataset based on socio-linguistic criteria.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)の感染拡大など、ソーシャルメディアは重要なコミュニケーションチャンネルとなっている。 ソーシャルメディアにおける誤報が急速に拡散し、社会不安を生じさせるため、そのような出来事における誤報の拡散は重要なデータ課題である。 機械学習をベースとした最近のソリューションは誤情報の検出を約束しているが、最も広く使われている手法は、すべてのシナリオに最適ではない手作りの特徴に依存するアプローチや、予測結果の解釈が直接アクセスできないディープラーニングに基づく手法が含まれる。 本研究では,知識の発見と誤情報の検出を共同で行うために,icaモデルに基づくデータ駆動型ソリューションを提案する。 本手法の有効性を実証し,その性能を深層学習法と比較するために,社会言語的基準に基づくラベル付きtwitterデータセットを開発した。

関連論文リスト

• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Countering Misinformation via Emotional Response Generation [15.383062216223971]
  ソーシャルメディアプラットフォーム(SMP)における誤情報拡散は、公衆衛生、社会的結束、民主主義に重大な危険をもたらす。 これまでの研究では、社会的訂正が誤情報を抑制する効果的な方法であることが示された。 約1万のクレーム応答対からなる最初の大規模データセットであるVerMouthを提案する。
  論文  参考訳（メタデータ） (2023-11-17T15:37:18Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Reinforcement Learning from Passive Data via Latent Intentions [86.4969514480008]
  我々は、下流RLを加速する機能を学ぶために、受動的データが引き続き使用できることを示す。 我々のアプローチは、意図をモデル化することで受動的データから学習する。 実験では、クロス・エボディメント・ビデオデータやYouTubeビデオなど、さまざまな形式の受動的データから学習できることを実証した。
  論文  参考訳（メタデータ） (2023-04-10T17:59:05Z)
• Representation Learning with Information Theory for COVID-19 Detection [18.98329701403629]
  我々は、データから有用な先行情報を発見し、本質的な特性を学習する際、深層モデルにどのように役立つかを示す。 我々のモデルはデュアルロールネットワーク (DRN) と呼ばれ、Last Squared Mutual Information (LSMI) に基づく依存性アプローチを採用している。 CTによるCOVID-19検出とCOVID-19重症度検出のベンチマーク実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-07-04T14:25:12Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• VigDet: Knowledge Informed Neural Temporal Point Process for Coordination Detection on Social Media [8.181808709549227]
  ソーシャルメディア上の調整されたアカウントは 偽情報キャンペーンによって 世論に影響を与え 社会的成果を操るために使われます 本稿では、時間的論理や事前定義されたフィルタリング関数といった事前知識を用いて、ニューラル時間的点過程を組み込んだ協調検出フレームワークを提案する。 実世界のデータセットを用いた実験結果から, 教師なしと半教師なしの両方の設定におけるSOTAモデルと比較して, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-10-28T22:19:14Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Case Study on Detecting COVID-19 Health-Related Misinformation in Social Media [7.194177427819438]
  本稿では、ソーシャルメディアにおける新型コロナウイルスの健康関連誤報を検出するメカニズムについて述べる。 応用機械学習技術を用いて誤情報検出機構に組み込まれた誤情報テーマと関連キーワードを定義した。 本手法は,健康関連誤報と真情報との分類において,少なくとも78%の精度で有望な結果を示す。
  論文  参考訳（メタデータ） (2021-06-12T16:26:04Z)
• From #Jobsearch to #Mask: Improving COVID-19 Cascade Prediction with Spillover Effects [4.178929174617172]
  ソーシャルメディア上では、新型コロナウイルス(COVID-19)のパンデミックとともに情報アウトブレイクが発生し、インフォデミックにつながる。 カスケード予測として知られるオンラインコンテンツの人気を予測することで、注目に値するホットな情報を事前に把握することができる。 本稿では、新型コロナウイルスの予防対策に関する情報の拡散に焦点を当て、収集したTwitterデータセットを通して、この流出効果の存在を検証した。 本データセットを用いて行った実験では,検出された流出効果を使用することで,予防的測定メッセージだけでなく,他の新型コロナウイルスの流行を予測する上で,最先端のGNN法が大幅に改善されることが示された。
  論文  参考訳（メタデータ） (2020-12-13T16:12:28Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)

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。