Fugu-MT 論文翻訳(概要): Classification Aware Neural Topic Model and its Application on a New COVID-19 Disinformation Corpus

論文の概要: Classification Aware Neural Topic Model and its Application on a New COVID-19 Disinformation Corpus

arxiv url: http://arxiv.org/abs/2006.03354v2
Date: Thu, 11 Mar 2021 12:55:12 GMT
ステータス: 処理完了
システム内更新日: 2022-11-25 02:22:31.974719
Title: Classification Aware Neural Topic Model and its Application on a New COVID-19 Disinformation Corpus
Title（参考訳）: 分類を意識したニューラルトピックモデルと新しいcovid-19情報コーパスへの応用
Authors: Xingyi Song, Johann Petrak, Ye Jiang, Iknoor Singh, Diana Maynard and Kalina Bontcheva
Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックを受けて、偽情報の爆発が世界中のファクトチェックやメディアを過負荷にしている。そこで我々は,新型コロナウイルスの偽情報を分類する計算手法を開発した。
参考スコア（独自算出の注目度）: 2.492887522265771
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The explosion of disinformation accompanying the COVID-19 pandemic has overloaded fact-checkers and media worldwide, and brought a new major challenge to government responses worldwide. Not only is disinformation creating confusion about medical science amongst citizens, but it is also amplifying distrust in policy makers and governments. To help tackle this, we developed computational methods to categorise COVID-19 disinformation. The COVID-19 disinformation categories could be used for a) focusing fact-checking efforts on the most damaging kinds of COVID-19 disinformation; b) guiding policy makers who are trying to deliver effective public health messages and counter effectively COVID-19 disinformation. This paper presents: 1) a corpus containing what is currently the largest available set of manually annotated COVID-19 disinformation categories; 2) a classification-aware neural topic model (CANTM) designed for COVID-19 disinformation category classification and topic discovery; 3) an extensive analysis of COVID-19 disinformation categories with respect to time, volume, false type, media type and origin source.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックに伴う偽情報の爆発は、ファクトチェックやメディアを世界中で過負荷にし、世界中の政府対応に新たな大きな課題をもたらした。市民の間で医療科学の混乱を生じさせるだけでなく、政策立案者や政府に対する不信感も高めている。そこで我々は,新型コロナウイルスの情報を分類する計算手法を開発した。新型コロナウイルス(COVID-19)の偽情報カテゴリーが使えるかもしれないイ偽情報の最も有害な種類に事実確認の努力を集中すること。 b) 効果的な公衆衛生メッセージを配信し、効果的に新型コロナウイルスの偽情報に対抗しようとする政策立案者本稿では, 1) 現在,手作業で利用可能な最大の新型コロナウイルスの偽情報カテゴリを含むコーパス 2 新型コロナウイルスの偽情報分類及び話題発見のための分類対応神経トピックモデル(CANTM) 3) 時間, 容積, 偽型, メディアタイプ, 原産地について, COVID-19の偽情報カテゴリーを広範囲に分析した。

関連論文リスト

AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System [0.05461938536945722]
本研究は,ソーシャルメディアから得られる既存の情報を活用して,大規模な誤報の自動報知を容易にする方法について検討した。 FaCov(ファクトチェック記事)と誤解を招く(ソーシャルメディアTwitter)という、新型コロナウイルスワクチンに関する2つの公開データセットを活用している。
論文参考訳（メタデータ） (2023-10-29T13:07:33Z)
A Large-Scale Comparative Study of Accurate COVID-19 Information versus Misinformation [4.926199465135915]
新型コロナウイルス(COVID-19)のパンデミックは、ソーシャルメディアを通じて大量の新型コロナウイルス関連コンテンツが高速で拡散するインフォデミックを引き起こした。その結果,2億2200万件以上のツイートを大規模に計算し,正確な新型コロナウイルス情報と比較した。この研究のさらなる貢献は、新型コロナウイルスの誤情報分類データセットの作成である。
論文参考訳（メタデータ） (2023-04-10T18:44:41Z)
Not cool, calm or collected: Using emotional language to detect COVID-19 misinformation [0.0]
ツイッターなどのソーシャルメディアプラットフォーム上での新型コロナウイルス(COVID-19)の誤報は、効果的なパンデミック管理の脅威だ。我々は、ツイート感情エンコーダと、ツイートに新型コロナウイルスの誤情報が含まれているかどうかを予測するために、ツイート感情エンコーダと、ツイート誤情報エンコーダの両方を使用する、新しい新型コロナウイルス誤情報モデルを提案する。
論文参考訳（メタデータ） (2023-03-27T22:24:05Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
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)
Testing the Generalization of Neural Language Models for COVID-19 Misinformation Detection [6.1204874238049705]
新型コロナウイルス(COVID-19)のパンデミックの副産物として、生命を脅かす可能性のある誤報が大幅に増加した。 5つの誤報データセットを用いてトランスフォーマーに基づく15のモデルを評価する。新型コロナウイルス(COVID-19)データに合わせたトークンやモデルは、汎用データに対して大きな優位性を提供していない。
論文参考訳（メタデータ） (2021-11-15T15:01:55Z)
Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文参考訳（メタデータ） (2021-10-13T04:44:02Z)
Automatic Detection of COVID-19 Vaccine Misinformation with Graph Link Prediction [2.0625936401496237]
新型コロナウイルス(COVID-19)ワクチンに関するソーシャルメディアの誤報によって引き起こされたワクチンのヘシタシーは、大きなハードルとなった。 CoVaxLiesは、新型コロナウイルスワクチンに関するいくつかの誤報のターゲットに関連する、新しいツイートのデータセットである。本手法は,誤情報検出をグラフリンク予測問題として用いた誤情報知識グラフにCoVaxLiesを整理する。
論文参考訳（メタデータ） (2021-08-04T23:27:10Z)
A System for Worldwide COVID-19 Information Aggregation [92.60866520230803]
我々は、トピックによって分類された7言語10の地域から信頼できる記事を含む世界的な新型コロナウイルス情報収集システムを構築した。ニューラルマシン翻訳モジュールは、他言語の論文を日本語と英語に翻訳する。記事とトピックのペアデータセットに基づいてトレーニングされたBERTベースのトピック分類器は、ユーザが興味のある情報を効率的に見つけるのに役立つ。
論文参考訳（メタデータ） (2020-07-28T01:33:54Z)
Misinformation Has High Perplexity [55.47422012881148]
疑似クレームを教師なしの方法でデバンクするために, 難易度を活用することを提案する。まず,これらの主張に類似した文に基づいて,科学的およびニュースソースから信頼性のある証拠を抽出する。第2に,抽出したエビデンスを言語モデルにプライマリし,難易度スコアに基づいて与えられたクレームの正当性を評価する。
論文参考訳（メタデータ） (2020-06-08T15:13:44Z)
COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。