論文の概要: Heterogeneous Graph Attention Networks for Early Detection of Rumors on Twitter

• arxiv url: http://arxiv.org/abs/2006.05866v1
• Date: Wed, 10 Jun 2020 14:49:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 06:34:19.084496
• Title: Heterogeneous Graph Attention Networks for Early Detection of Rumors on Twitter
• Title（参考訳）: ヘテロジニアスグラフアテンションネットワークによるtwitter上の噂の早期検出
• Authors: Qi Huang, Junshuai Yu, Jia Wu, Bin Wang
• Abstract要約: ソーシャルメディアに関する偽の噂は、大衆のパニックを招き、個人的評判を損なう可能性がある。 我々は、テキストの内容と噂の発信元であるツイートの伝搬に基づいて、ツイートワードを利用する異種グラフを構築した。
• 参考スコア（独自算出の注目度）: 9.358510255345676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of mobile Internet technology and the widespread use of mobile devices, it becomes much easier for people to express their opinions on social media. The openness and convenience of social media platforms provide a free expression for people but also cause new social problems. The widespread of false rumors on social media can bring about the panic of the public and damage personal reputation, which makes rumor automatic detection technology become particularly necessary. The majority of existing methods for rumor detection focus on mining effective features from text contents, user profiles, and patterns of propagation. Nevertheless, these methods do not take full advantage of global semantic relations of the text contents, which characterize the semantic commonality of rumors as a key factor for detecting rumors. In this paper, we construct a tweet-word-user heterogeneous graph based on the text contents and the source tweet propagations of rumors. A meta-path based heterogeneous graph attention network framework is proposed to capture the global semantic relations of text contents, together with the global structure information of source tweet propagations for rumor detection. Experiments on real-world Twitter data demonstrate the superiority of the proposed approach, which also has a comparable ability to detect rumors at a very early stage.
• Abstract（参考訳）: モバイルインターネット技術の急速な発展とモバイルデバイスの普及により、ソーシャルメディア上で意見を述べるのがずっと簡単になった。 ソーシャルメディアプラットフォームのオープン性と利便性は、人々の自由な表現を提供すると同時に、新たな社会問題を引き起こす。 ソーシャルメディア上での虚偽の噂の普及は、大衆のパニックを引き起こし、個人の評判を損なう可能性があるため、うわさの自動検出技術が特に必要となる。 既存の噂検出手法の大半は、テキストの内容、ユーザプロファイル、伝播パターンから効果的な特徴を抽出することに焦点を当てている。 しかし、これらの手法は、噂の持つ意味的共通点を、噂を検出する重要な要素として特徴づけるテキスト内容のグローバルな意味関係を十分に活用していない。 本稿では,テキストの内容と噂の発信元をベースとした,ツイートワードユーザによる異種グラフを構築する。 メタパスに基づくヘテロジニアスグラフアテンションネットワークフレームワークが提案され,テキスト内容のグローバルな意味関係と,うわさ検出のためのソースツイートのグローバルな構造情報とをキャプチャする。 実世界のtwitterデータに関する実験は、提案されたアプローチの優位性を示しており、これは非常に初期段階で噂を検出するのに匹敵する能力を持っている。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• Rumor Detection with a novel graph neural network approach [12.42658463552019]
  ソーシャルメディア上での噂を検出するために,ユーザ相関と情報伝達の表現を共同で学習する新しい検出モデルを提案する。 具体的には、グラフニューラルネットワークを利用して、二部グラフからユーザ相関の表現を学習する。 本研究では,ユーザ相関パターンを逆転させるには高いコストが必要であることを示すとともに,ユーザ相関をうわさ検出のために考慮することの重要性を示す。
  論文  参考訳（メタデータ） (2024-03-24T15:59:47Z)
• Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
  異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。 我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。 3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
  論文  参考訳（メタデータ） (2022-04-19T12:10:03Z)
• What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
  ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。 本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
  論文  参考訳（メタデータ） (2021-11-09T07:45:11Z)
• Calling to CNN-LSTM for Rumor Detection: A Deep Multi-channel Model for Message Veracity Classification in Microblogs [0.0]
  噂は特に個人や社会に深刻なダメージを与える可能性がある。 ほとんどの噂検出アプローチは、噂の特徴分析と社会的特徴に焦点を当てている。 DeepMONITORはディープニューラルネットワークをベースにしており、かなり正確な自動噂検証を可能にする。
  論文  参考訳（メタデータ） (2021-10-11T07:42:41Z)
• Rumor Detection on Twitter with Claim-Guided Hierarchical Graph Attention Networks [5.167857972528786]
  ソーシャルメディアの時代には噂が広まっている。 本研究では,ユーザの意見の相互作用を大幅に強化するために,まず対話スレッドを非方向性の対話グラフとして表現する。 次に,レーム誘導型階層型グラフ注意ネットワークを提案し,応答性のある投稿の表現学習を強化する。
  論文  参考訳（メタデータ） (2021-10-09T09:24:11Z)
• BERT based classification system for detecting rumours on Twitter [3.2872586139884623]
  従来の特徴抽出手法ではなく,Twitter上での噂を識別する手法を提案する。 BERTを用いた文埋め込みを用いて、ツイートの文脈的意味に応じて、各ツイートの文をベクターに表現する。 BERTをベースとしたモデルでは,従来の手法に比べて約10%精度が向上した。
  論文  参考訳（メタデータ） (2021-09-07T10:15:54Z)
• Named Entity Recognition for Social Media Texts with Semantic Augmentation [70.44281443975554]
  名前付きエンティティ認識のための既存のアプローチは、短いテキストと非公式テキストで実行される場合、データ空間の問題に悩まされる。 そこで我々は,NER によるソーシャルメディアテキストに対するニューラルベースアプローチを提案し,ローカルテキストと拡張セマンティクスの両方を考慮に入れた。
  論文  参考訳（メタデータ） (2020-10-29T10:06:46Z)
• 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)
• An Information Diffusion Approach to Rumor Propagation and Identification on Twitter [0.0]
  われわれは,Twitter上での顕微鏡レベルの誤情報拡散のダイナミクスについて検討した。 われわれの調査によると、噂のカスケードはより深く流れ、その噂はニュースとして隠され、恐怖を喚起するメッセージは他のメッセージよりも急速に拡散する。
  論文  参考訳（メタデータ） (2020-02-24T20:04:54Z)
• Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks [89.13567439679709]
  本稿では,二方向グラフ畳み込みネットワーク (Bi-Directional Graph Convolutional Networks, Bi-GCN) と呼ばれる新しい双方向グラフモデルを提案する。 これは、噂拡散のパターンを学習するために、噂拡散のトップダウン指向グラフを持つGCNと、噂拡散の反対指向グラフを持つGCNを活用して、噂拡散の構造を捉える。
  論文  参考訳（メタデータ） (2020-01-17T15:12:08Z)

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。