論文の概要: Fake News Detection using Temporal Features Extracted via Point Process

• arxiv url: http://arxiv.org/abs/2007.14013v1
• Date: Tue, 28 Jul 2020 06:34:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 23:26:12.087790
• Title: Fake News Detection using Temporal Features Extracted via Point Process
• Title（参考訳）: ポイントプロセスで抽出した時間特徴を用いたフェイクニュース検出
• Authors: Taichi Murayama, Shoko Wakamiya and Eiji Aramaki
• Abstract要約: SNS投稿から発生する時間的特徴をポイントプロセスアルゴリズムを用いて実ニュースから偽ニュースを識別する。 本稿では,時間的特徴とともに言語的特徴とユーザ的特徴を含む新しいマルチモーダルアテンションベース手法を提案する。
• 参考スコア（独自算出の注目度）: 2.105564340986074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many people use social networking services (SNSs) to easily access various news. There are numerous ways to obtain and share ``fake news,'' which are news carrying false information. To address fake news, several studies have been conducted for detecting fake news by using SNS-extracted features. In this study, we attempt to use temporal features generated from SNS posts by using a point process algorithm to identify fake news from real news. Temporal features in fake news detection have the advantage of robustness over existing features because it has minimal dependence on fake news propagators. Further, we propose a novel multi-modal attention-based method, which includes linguistic and user features alongside temporal features, for detecting fake news from SNS posts. Results obtained from three public datasets indicate that the proposed model achieves better performance compared to existing methods and demonstrate the effectiveness of temporal features for fake news detection.
• Abstract（参考訳）: 多くの人が様々なニュースに簡単にアクセスするためにSNS(Social Network Service)を使っている。 偽情報を載せたニュースである「フェイクニュース」を入手し、共有する方法は多数ある。 偽ニュースに対処するため,SNS抽出機能を用いて偽ニュースを検出する研究がいくつか行われている。 本研究では,実ニュースから偽ニュースを識別するポイントプロセスアルゴリズムを用いて,SNS投稿から発生する時間的特徴を利用する。 フェイクニュース検出における時間的特徴は、フェイクニュースプロパゲータに最小限依存しているため、既存の特徴よりも堅牢である。 さらに,SNSの投稿から偽ニュースを検出するための,言語的特徴とユーザ的特徴を同時に含む新しいマルチモーダルアテンションベース手法を提案する。 3つの公開データセットから得られた結果は,提案モデルが既存手法よりも優れた性能を示し,フェイクニュース検出における時間的特徴の有効性を示した。

関連論文リスト

• 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)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• FNDaaS: Content-agnostic Detection of Fake News sites [3.936965297430477]
  FNDは、コンテンツに依存しない最初のフェイクニュース検出手法である。 ニュースサイトごとのネットワークや構造的特徴など、新しい、未調査の機能について検討している。 過去のサイトでは最大0.967のAUCスコアを達成でき、新しくフラッグされたサイトでは最大77-92%の精度を達成できる。
  論文  参考訳（メタデータ） (2022-12-13T11:17:32Z)
• 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)
• Multimodal Fusion with BERT and Attention Mechanism for Fake News Detection [0.0]
  テキストと視覚データから派生したマルチモーダル特徴を融合させて偽ニュースを検出する新しい手法を提案する。 実験の結果,公開twitterデータセットにおける現在の最先端手法よりも3.1%の精度で性能が向上した。
  論文  参考訳（メタデータ） (2021-04-23T08:47:54Z)
• An Event Correlation Filtering Method for Fake News Detection [0.0]
  既存のディープラーニングモデルは、偽ニュース検出の問題に取り組むために大きな進歩を遂げている。 偽ニュースの検出性能を向上させるために,ニュースのイベント相関を利用した。 イベント相関フィルタリング方式で偽ニュースを検出するためにECFMが提案されている。
  論文  参考訳（メタデータ） (2020-12-10T07:31:07Z)
• 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)

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。