論文の概要: Modeling the spread of fake news on Twitter
- arxiv url: http://arxiv.org/abs/2007.14059v2
- Date: Tue, 27 Apr 2021 05:15:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 23:26:57.551361
- Title: Modeling the spread of fake news on Twitter
- Title（参考訳）: Twitter上のフェイクニュースの拡散をモデル化する
- Authors: Taichi Murayama, Shoko Wakamiya, Eiji Aramaki and Ryota Kobayashi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.7910505923792637
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fake news can have a significant negative impact on society because of the
growing use of mobile devices and the worldwide increase in Internet access. It
is therefore essential to develop a simple mathematical model to understand the
online dissemination of fake news. In this study, we propose a point process
model of the spread of fake news on Twitter. The proposed model describes the
spread of a fake news item as a two-stage process: initially, fake news spreads
as a piece of ordinary news; then, when most users start recognizing the
falsity of the news item, that itself spreads as another news story. We
validate this model using two datasets of fake news items spread on Twitter. We
show that the proposed model is superior to the current state-of-the-art
methods in accurately predicting the evolution of the spread of a fake news
item. Moreover, a text analysis suggests that our model appropriately infers
the correction time, i.e., the moment when Twitter users start realizing the
falsity of the news item. The proposed model contributes to understanding the
dynamics of the spread of fake news on social media. Its ability to extract a
compact representation of the spreading pattern could be useful in the
detection and mitigation of fake news.
- Abstract（参考訳）: フェイクニュースは、モバイルデバイスの利用の増加と世界中のインターネットアクセスの増加により、社会に重大な悪影響を及ぼす可能性がある。
したがって、偽ニュースのオンライン普及を理解するための単純な数学的モデルを開発することが不可欠である。
本研究では,twitter上での偽ニュースの拡散に関するポイントプロセスモデルを提案する。
提案モデルでは,偽ニュースの拡散を2段階のプロセスとして記述する。当初,偽ニュースは通常のニュースとして拡散し,ほとんどのユーザがニュース記事の虚偽さを認識し始めると,それ自身が別のニュース記事として拡散する。
このモデルをTwitter上に拡散した偽ニュースの2つのデータセットを用いて検証する。
提案手法は,偽ニュースの拡散進展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。
さらに,テキスト分析の結果から,twitterユーザがニュース項目の偽性に気付き始めた瞬間の補正時間を適切に推測できることが示唆された。
提案モデルは,ソーシャルメディア上での偽ニュースの拡散のダイナミクスの理解に寄与する。
拡散パターンのコンパクトな表現を抽出する能力は、偽ニュースの検出と緩和に有用である。
関連論文リスト
- From a Tiny Slip to a Giant Leap: An LLM-Based Simulation for Fake News Evolution [35.82418316346851]
大規模言語モデル(LLM)に基づくFake News evolution Simulation framEworkを提案する。
本研究では,情報伝達を行うスプレッダー,意見や解釈を提供するコメンテーター,情報や傍観者の正確性をチェックする検証者,参加せずに受動的に観察する傍観者という4種類のエージェントを定義した。
この領域における先行研究の欠如を踏まえ、偽ニュース進化過程における真ニュースからの逸脱を測定するためのFUSE-EVAL評価フレームワークを開発した。
論文 参考訳（メタデータ） (2024-10-24T18:17:16Z) - 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) - 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) - 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) - Automated Fake News Detection using cross-checking with reliable sources [0.0]
我々は、信頼できる情報源で新しい情報をクロスチェックするために、自然な人間の行動を利用する。
われわれはこれをTwitterに実装し、偽ツイートにフラグを付けるモデルを構築している。
このアプローチの実装により、他の一般的な偽ニュース分類モデルを上回る70%の精度が得られます。
論文 参考訳（メタデータ） (2022-01-01T00:59:58Z) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳（メタデータ） (2021-05-21T10:46:43Z) - 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) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Connecting the Dots Between Fact Verification and Fake News Detection [21.564628184287173]
本稿では,事実検証と偽ニュース検出の点を結合する,シンプルで効果的な手法を提案する。
提案手法は,最近の事実検証モデルの成功を活用し,ゼロショットフェイクニュースの検出を可能にする。
論文 参考訳（メタデータ） (2020-10-11T09:28:52Z)
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。