論文の概要: Fine-Tune Longformer for Jointly Predicting Rumor Stance and Veracity
- arxiv url: http://arxiv.org/abs/2007.07803v2
- Date: Thu, 22 Oct 2020 11:25:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 05:46:18.803635
- Title: Fine-Tune Longformer for Jointly Predicting Rumor Stance and Veracity
- Title（参考訳）: 音速・音速の同時予測のためのファインチューンロングフォーマ
- Authors: Anant Khandelwal
- Abstract要約: 本稿では,噂の姿勢と妥当性を共同で予測するマルチタスク学習フレームワークを提案する。
フレームワークは2つの部分から構成される:a) フレームワークの下部は、会話スレッド内の各投稿に対するスタンスを分類し、マルチターン会話をモデル化し、隣の投稿を各投稿に認識させることにより、噂を議論する。
SemEval 2019 Task 7 データセットの実験結果から,提案手法は噂の定式化と妥当性予測の両方において,従来の手法よりも優れていたことがわかった。
- 参考スコア（独自算出の注目度）: 27.661609140918916
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Increased usage of social media caused the popularity of news and events
which are not even verified, resulting in spread of rumors allover the web. Due
to widely available social media platforms and increased usage caused the data
to be available in huge amounts.The manual methods to process such large data
is costly and time-taking, so there has been an increased attention to process
and verify such content automatically for the presence of rumors. A lot of
research studies reveal that to identify the stances of posts in the discussion
thread of such events and news is an important preceding step before identify
the rumor veracity. In this paper,we propose a multi-task learning framework
for jointly predicting rumor stance and veracity on the dataset released at
SemEval 2019 RumorEval: Determining rumor veracity and support for
rumors(SemEval 2019 Task 7), which includes social media rumors stem from a
variety of breaking news stories from Reddit as well as Twit-ter. Our framework
consists of two parts: a) The bottom part of our framework classifies the
stance for each post in the conversation thread discussing a rumor via
modelling the multi-turn conversation and make each post aware of its
neighboring posts. b) The upper part predicts the rumor veracity of the
conversation thread with stance evolution obtained from the bottom part.
Experimental results on SemEval 2019 Task 7 dataset show that our method
outperforms previous methods on both rumor stance classification and veracity
prediction
- Abstract（参考訳）: ソーシャルメディアの利用が増加し、ニュースやイベントの人気がさらに高まったため、ウェブ上で噂が広まっていた。
ソーシャルメディアプラットフォームの普及と利用の増加により、膨大な量のデータが利用可能となり、このような大規模データを処理するための手作業はコストがかかり時間もかかるため、うわさがあるため、こうしたコンテンツの処理や検証に注目が集まっている。
多くの研究が、こうした出来事やニュースの議論スレッドにおける投稿のスタンスを特定することは、噂の真偽を特定するための重要な前段階であることを示している。
本稿では,SemEval 2019 RumorEval: Determining rumor veracity and support for rumor (SemEval 2019 Task 7)という,Reddit や Twit-ter など,さまざまなニュース記事から生じるソーシャルメディアの噂を含むマルチタスク学習フレームワークを提案する。
私たちの枠組みは2つの部分からなる。
a) フレームワークの下部は,会話スレッド内の各投稿に対するスタンスを分類し,マルチターン会話をモデル化し,隣接する投稿を各投稿に認識させることにより,噂を議論する。
b)上部は、底部から得られたスタント進化を伴う会話スレッドのうわさの正確性を予測する。
SemEval 2019 Task 7 データセットの実験結果から,提案手法は噂の定式化と妥当性予測の両方において,従来の手法よりも優れていることが示された。
関連論文リスト
- Detecting Rumor Veracity with Only Textual Information by Double-Channel
Structure [7.931904787652709]
ソーシャルメディア上での噂の真偽を判断するための二重チャネル構造を提案する。
まず、各テキストを特定の(偽の噂)または不確実な(偽の噂)カテゴリに割り当てる。
次に,情報提供された噂に対して嘘検出アルゴリズムを適用し,未報の噂に対してスレッド応答合意検出アルゴリズムを適用した。
論文 参考訳（メタデータ） (2023-12-06T00:08:44Z) - NewsDialogues: Towards Proactive News Grounded Conversation [72.10055780635625]
本稿では,対話システムがニュースの重要な話題に基づいて会話を積極的にリードする新しいタスク,Proactive News Grounded Conversationを提案する。
この課題をさらに発展させるために、人間と人間の対話データセットtsNewsDialoguesを収集し、合計14.6Kの発話を含む1Kの会話を含む。
論文 参考訳（メタデータ） (2023-08-12T08:33:42Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - 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) - Heterogeneous Graph Attention Networks for Early Detection of Rumors on
Twitter [9.358510255345676]
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。
論文 参考訳（メタデータ） (2020-06-10T14:49:08Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z) - RP-DNN: A Tweet level propagation context based deep neural networks for
early rumor detection in Social Media [3.253418861583211]
ソーシャルメディアプラットフォーム上での早期の噂検出(ERD)は、限定的で不完全でノイズの多い情報が利用可能である場合、非常に困難である。
本稿では,文字ベース双方向言語モデルとLong Short-Term Memory(LSTM)ネットワークを組み合わせた,新しいハイブリッドニューラルネットワークアーキテクチャを提案する。
当社のモデルでは,12件以上のイベントと2,967件の噂を網羅する大規模拡張データ上での未知の噂を検出するために,最先端(SoA)性能を実現している。
論文 参考訳（メタデータ） (2020-02-28T12:44:34Z) - 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) - On Early-stage Debunking Rumors on Twitter: Leveraging the Wisdom of Weak Learners [4.325479143880198]
本稿では、畳み込みニューラルネットワークを用いて、個々の噂関連ツイートの隠れ表現を学習する早期噂検出手法を提案する。
われわれの実験は、噂の最初の数時間で、明確な分類性能が向上したことを示している。
論文 参考訳（メタデータ） (2017-09-13T16:15:59Z)
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。