論文の概要: Birds of a Feather Flock Together: Satirical News Detection via Language
Model Differentiation
- arxiv url: http://arxiv.org/abs/2007.02164v1
- Date: Sat, 4 Jul 2020 18:46:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 13:29:11.127428
- Title: Birds of a Feather Flock Together: Satirical News Detection via Language
Model Differentiation
- Title(参考訳): フェザー群集の鳥たち:言語モデルの違いによる主観的ニュース検出
- Authors: Yigeng Zhang, Fan Yang, Yifan Zhang, Eduard Dragut and Arjun Mukherjee
- Abstract要約: 風刺的なニュースでは、文脈の語彙的・実践的な属性が読者を楽しませる上で重要な要素である。
本稿では,風刺ニュースと真のニュースを区別する手法を提案する。
- 参考スコア(独自算出の注目度): 7.556286423133077
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Satirical news is regularly shared in modern social media because it is
entertaining with smartly embedded humor. However, it can be harmful to society
because it can sometimes be mistaken as factual news, due to its deceptive
character. We found that in satirical news, the lexical and pragmatical
attributes of the context are the key factors in amusing the readers. In this
work, we propose a method that differentiates the satirical news and true news.
It takes advantage of satirical writing evidence by leveraging the difference
between the prediction loss of two language models, one trained on true news
and the other on satirical news, when given a new news article. We compute
several statistical metrics of language model prediction loss as features,
which are then used to conduct downstream classification. The proposed method
is computationally effective because the language models capture the language
usage differences between satirical news documents and traditional news
documents, and are sensitive when applied to documents outside their domains.
- Abstract(参考訳): 風刺ニュースは、スマートに埋め込まれたユーモアで楽しむため、現代のソーシャルメディアで定期的に共有されている。
しかし、その偽りの性格から事実と誤認されることがあるため、社会にとって有害である可能性がある。
風刺的なニュースでは、文脈の語彙的・実践的な属性が読者を楽しませる重要な要素であることがわかった。
本研究では,風刺的なニュースと真のニュースを区別する手法を提案する。
これは、2つの言語モデルの予測損失を、一つは真のニュースに、もう一つは風刺的なニュースに、もう一つは新しいニュース記事を与える際に、区別して、風刺的な文章の証拠を利用する。
言語モデル予測損失の統計的指標を特徴量として計算し、下流の分類を行う。
提案手法は,風刺的なニュース文書と従来のニュース文書との言語利用の違いを捉え,そのドメイン外の文書に適用した場合にセンシティブな言語モデルにより計算的に有効である。
関連論文リスト
- SCStory: Self-supervised and Continual Online Story Discovery [53.72745249384159]
SCStoryは、素早く公開されたニュース記事ストリームを人間のアノテーションなしでリアルタイムで消化するのに役立つ。
SCStoryは、ニュース記事ストリームのストーリー指向適応モデリングという新しいアイデアを取り入れて、自己指導的かつ継続的な学習を取り入れている。
論文 参考訳(メタデータ) (2023-11-27T04:50:01Z) - Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。
我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文 参考訳(メタデータ) (2023-11-02T08:39:45Z) - It's All in the Embedding! Fake News Detection Using Document Embeddings [0.6091702876917281]
本稿では,文書埋め込みを用いて,ニュース記事を信頼性やニセモノと正確にラベル付けする複数のモデルを構築する手法を提案する。
また、バイナリや複数ラベルの分類を用いて偽ニュースを検出する異なるアーキテクチャのベンチマークを示す。
論文 参考訳(メタデータ) (2023-04-16T13:30:06Z) - Predictive linguistic cues for fake news: a societal artificial
intelligence problem [9.40467099889021]
メディアニュース項目の言語的特徴を,機械学習アルゴリズムを用いて,偽ニュースと実ニュースを区別する。
我々は、証拠ではなく、主に分布特性を制御するニューラルネットワークを使用している。
測定値に高い値を持つ特徴, 負, 正, 基数は, 曲線 (AUC) とF1スコアの下で高い面積を提供するために観測される。
論文 参考訳(メタデータ) (2022-11-26T07:50:01Z) - 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) - 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) - User Preference-aware Fake News Detection [61.86175081368782]
既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。
本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
論文 参考訳(メタデータ) (2021-04-25T21:19:24Z) - Fake or Real? A Study of Arabic Satirical Fake News [3.007949058551534]
本研究は、アラビア語の偽ニュースの言語的特徴を風刺的内容で識別するために、いくつかの探索的分析を行う。
これらの特徴を活用して、98.6%の精度で風刺的なフェイクニュースを識別できる多数の機械学習モデルを構築しました。
論文 参考訳(メタデータ) (2020-11-01T08:56:56Z) - Viable Threat on News Reading: Generating Biased News Using Natural
Language Models [49.90665530780664]
公開されている言語モデルは、入力されたオリジナルニュースに基づいてバイアスのあるニュースコンテンツを確実に生成できることを示す。
また、制御可能なテキスト生成を用いて、多数の高品質な偏りのあるニュース記事を生成することができることを示す。
論文 参考訳(メタデータ) (2020-10-05T16:55:39Z) - Modeling the spread of fake news on Twitter [2.7910505923792637]
本稿では,Twitter上での偽ニュース拡散のポイントプロセスモデルを提案する。
提案手法は,偽ニュース項目の拡散の進化を正確に予測する上で,現在の最先端手法よりも優れていることを示す。
提案モデルは,ソーシャルメディア上での偽ニュース拡散のダイナミクスの理解に寄与する。
論文 参考訳(メタデータ) (2020-07-28T08:28:16Z) - Satirical News Detection with Semantic Feature Extraction and
Game-theoretic Rough Sets [5.326582776477692]
本稿では,風刺的なニュースツイートを検出するための意味的特徴に基づくアプローチを提案する。
特徴は、句、実体、および主節と相対節の間の矛盾を探索することによって抽出される。
確率しきい値がゲーム平衡と繰り返し学習機構によって導出される風刺ニュースを検出するために,ゲーム理論ラフセットモデルを適用した。
論文 参考訳(メタデータ) (2020-04-08T03:22:21Z)
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。