Fugu-MT 論文翻訳(概要): Fake Reviews Detection through Ensemble Learning

論文の概要: Fake Reviews Detection through Ensemble Learning

arxiv url: http://arxiv.org/abs/2006.07912v1
Date: Sun, 14 Jun 2020 14:24:02 GMT
ステータス: 処理完了
システム内更新日: 2022-11-21 13:30:36.685765
Title: Fake Reviews Detection through Ensemble Learning
Title（参考訳）: アンサンブル学習による偽レビュー検出
Authors: Luis Gutierrez-Espinoza and Faranak Abri and Akbar Siami Namin and Keith S. Jones and David R. W. Sears
Abstract要約: いくつかの機械学習ベースのアプローチは、偽レビューや偽レビューを自動的に検出する。本稿では,アンサンブル学習に基づくオンライン情報識別手法の性能評価を行う。
参考スコア（独自算出の注目度）: 1.609940380983903
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Customers represent their satisfactions of consuming products by sharing their experiences through the utilization of online reviews. Several machine learning-based approaches can automatically detect deceptive and fake reviews. Recently, there have been studies reporting the performance of ensemble learning-based approaches in comparison to conventional machine learning techniques. Motivated by the recent trends in ensemble learning, this paper evaluates the performance of ensemble learning-based approaches to identify bogus online information. The application of a number of ensemble learning-based approaches to a collection of fake restaurant reviews that we developed show that these ensemble learning-based approaches detect deceptive information better than conventional machine learning algorithms.
Abstract（参考訳）: 顧客は、オンラインレビューを利用して経験を共有することで、製品を消費する満足度を表す。いくつかの機械学習ベースのアプローチは、偽レビューや偽レビューを自動的に検出する。近年,従来の機械学習手法と比較して,アンサンブル学習に基づく手法の性能が報告されている。本稿では,近年のアンサンブル学習の動向に動機づけられ,オンライン情報同定のためのアンサンブル学習に基づく手法の性能評価を行った。これらのアンサンブル学習に基づくアプローチは,従来の機械学習アルゴリズムよりも知覚情報をよりよく検出できることが,私たちが開発した偽レストランレビューの収集に,アンサンブル学習に基づくアプローチを応用した。

関連論文リスト

Learner Attentiveness and Engagement Analysis in Online Education Using Computer Vision [3.449808359602251]
本研究では,オンライン学習シナリオにおける学習者の注意力,エンゲージメント,その他の感情状態を分析し,定量化するコンピュータビジョンに基づくアプローチを提案する。学習者の包括的注意度指数を出力する分類モデルに基づいて,機械学習に基づくアルゴリズムを開発した。エンド・ツー・エンドのパイプラインを提案し、学習者のライブビデオフィードを処理し、学習者の詳細な注意度分析をインストラクターに提供した。
論文参考訳（メタデータ） (2024-11-30T10:54:08Z)
A review on discriminative self-supervised learning methods [6.24302896438145]
ラベルのないデータからロバストな特徴を抽出する手法として自己教師付き学習が登場した。本稿では,コンピュータビジョン分野における自己教師型学習の差別的アプローチについて概説する。
論文参考訳（メタデータ） (2024-05-08T11:15:20Z)
Revisiting Self-supervised Learning of Speech Representation from a Mutual Information Perspective [68.20531518525273]
我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
論文参考訳（メタデータ） (2024-01-16T21:13:22Z)
Exploring Machine Learning Models for Federated Learning: A Review of Approaches, Performance, and Limitations [1.1060425537315088]
フェデレートラーニング(Federated Learning)は、個人のデータのプライバシを保護するために強化された分散学習フレームワークである。危機時には、リアルタイムな意思決定が重要である場合、フェデレートされた学習は、機密データを共有せずに複数のエンティティをまとめて機能させることができる。本稿では,ここ数年のプライバシ保護機械学習に関する文献を体系的にレビューする。
論文参考訳（メタデータ） (2023-11-17T19:23:21Z)
Exploring Federated Unlearning: Analysis, Comparison, and Insights [101.64910079905566]
フェデレーション・アンラーニングは、フェデレーション・システムで訓練されたモデルからデータを選択的に除去することを可能にする。本稿では,既存のフェデレーション・アンラーニング手法について検討し,アルゴリズムの効率,モデル精度への影響,プライバシ保護の有効性について検討する。フェデレートされたアンラーニング手法を評価するための統一ベンチマークであるOpenFederatedUnlearningフレームワークを提案する。
論文参考訳（メタデータ） (2023-10-30T01:34:33Z)
Learning Representations for New Sound Classes With Continual Self-Supervised Learning [30.35061954854764]
本稿では,新しい音響クラスのための表現を継続的に学習するための自己教師型学習フレームワークを提案する。提案手法を用いて学習した表現は,より一般化され,破滅的な忘れ込みに対する感受性が低いことを示す。
論文参考訳（メタデータ） (2022-05-15T22:15:21Z)
Co$^2$L: Contrastive Continual Learning [69.46643497220586]
近年の自己教師型学習のブレークスルーは、このようなアルゴリズムが視覚的な表現を学習し、見えないタスクにもっとうまく移行できることを示している。本稿では、連続的な学習と伝達可能な表現の維持に焦点を当てたリハーサルに基づく連続学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-06-28T06:14:38Z)
Understand and Improve Contrastive Learning Methods for Visual Representation: A Review [1.4650545418986058]
手動ラベリングなしで効果的なデータ表現を学習できる可能性から、有望な自己教師型学習が人気を集めている。本文献レビューは, 自己指導型学習の鍵となる構成要素と限界を理解するための研究者の取り組みについて, 最新の分析を行うことを目的としている。
論文参考訳（メタデータ） (2021-06-06T21:59:49Z)
KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
KnowledgeCheckRに統合された推奨アプローチの概要を提供します。その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
論文参考訳（メタデータ） (2021-02-15T20:06:28Z)
Bayesian active learning for production, a systematic study and a reusable library [85.32971950095742]
本稿では,現在のアクティブラーニング技術の主な欠点について分析する。実世界のデータセットの最も一般的な課題が深層能動学習プロセスに与える影響について,系統的研究を行った。部分的不確実性サンプリングやより大きいクエリサイズといった,アクティブな学習ループを高速化する2つの手法を導出する。
論文参考訳（メタデータ） (2020-06-17T14:51:11Z)
Revisiting Meta-Learning as Supervised Learning [69.2067288158133]
メタラーニングと従来の教師付き学習の関連性を再考し,強化することで,原則的,統一的なフレームワークの提供を目指す。タスク固有のデータセットとターゲットモデルを(機能、ラベル)サンプルとして扱うことで、多くのメタ学習アルゴリズムを教師付き学習のインスタンスに還元することができる。この視点は、メタラーニングを直感的で実践的なフレームワークに統一するだけでなく、教師付き学習から直接洞察を伝達してメタラーニングを改善することができる。
論文参考訳（メタデータ） (2020-02-03T06:13:01Z)

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。