論文の概要: Including Images into Message Veracity Assessment in Social Media
- arxiv url: http://arxiv.org/abs/2008.01196v1
- Date: Mon, 20 Jul 2020 08:42:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 13:30:49.320287
- Title: Including Images into Message Veracity Assessment in Social Media
- Title（参考訳）: ソーシャルメディアのメッセージ検証評価に画像を含める
- Authors: Abderrazek Azri (ERIC), C\'ecile Favre (ERIC), Nouria Harbi (ERIC),
J\'er\^ome Darmont (ERIC)
- Abstract要約: ソーシャルメディアは、噂が広まるための土台を築き、ソーシャルメディアの信頼性に大きな影響を及ぼす可能性がある。
本稿では,テキストコンテンツと視覚コンテンツの両方の信頼性を解析することにより,ソーシャルネットワーク上でのメッセージの正確性を評価するための2つの新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The extensive use of social media in the diffusion of information has also
laid a fertile ground for the spread of rumors, which could significantly
affect the credibility of social media. An ever-increasing number of users post
news including, in addition to text, multimedia data such as images and videos.
Yet, such multimedia content is easily editable due to the broad availability
of simple and effective image and video processing tools. The problem of
assessing the veracity of social network posts has attracted a lot of attention
from researchers in recent years. However, almost all previous works have
focused on analyzing textual contents to determine veracity, while visual
contents, and more particularly images, remains ignored or little exploited in
the literature. In this position paper, we propose a framework that explores
two novel ways to assess the veracity of messages published on social networks
by analyzing the credibility of both their textual and visual contents.
- Abstract（参考訳）: 情報の拡散におけるソーシャルメディアの広範囲な利用は、噂の拡散の余地を築いており、ソーシャルメディアの信頼性に大きな影響を与える可能性がある。
テキストに加えて、画像やビデオなどのマルチメディアデータを含むニュースを投稿するユーザーが増えている。
しかし、このようなマルチメディアコンテンツは、単純で効果的な画像およびビデオ処理ツールが広く利用可能であるため、編集が容易である。
ソーシャルネットワーク投稿の正確性を評価するという問題は近年,研究者の注目を集めている。
しかし、以前の作品のほとんどがテキストの内容を分析して真偽を判断することに集中しているが、視覚内容、特に画像は、文学において無視されているか、あまり悪用されていない。
本稿では,テキストコンテンツと視覚コンテンツの両方の信頼性を解析し,ソーシャルネットワーク上で公開するメッセージの妥当性を評価する2つの新しい手法を提案する。
関連論文リスト
- AMMeBa: A Large-Scale Survey and Dataset of Media-Based Misinformation In-The-Wild [1.4193873432298625]
オンラインメディアをベースとした誤情報に注釈を付けるために,ヒトラプターを用いた2年間の研究結果を示す。
偽情報クレームにおける生成AIベースのコンテンツの増加を示す。
また、歴史的に支配的な「単純な」手法、特に文脈操作を示す。
論文 参考訳（メタデータ） (2024-05-19T23:05:53Z) - GPT-4V(ision) as A Social Media Analysis Engine [77.23394183063238]
本稿では,GPT-4Vのソーシャルマルチメディア分析能力について考察する。
我々は、感情分析、ヘイトスピーチ検出、フェイクニュース識別、人口推定、政治的イデオロギー検出を含む5つの代表的なタスクを選択する。
GPT-4Vはこれらのタスクにおいて顕著な効果を示し、画像とテキストのペアの理解、文脈と文化の認識、広義のコモンセンス知識などの強みを示している。
論文 参考訳（メタデータ） (2023-11-13T18:36:50Z) - News and Misinformation Consumption in Europe: A Longitudinal
Cross-Country Perspective [49.1574468325115]
本研究では,欧州4カ国における情報消費について検討した。
フランス、ドイツ、イタリア、イギリスのニュースメディアアカウントから3年間のTwitter活動を分析した。
信頼性のある情報源が情報ランドスケープを支配していることを示しているが、信頼性の低いコンテンツは依然としてすべての国に存在している。
論文 参考訳（メタデータ） (2023-11-09T16:22:10Z) - An Interactive Framework for Profiling News Media Sources [26.386860411085053]
本稿では,ニュースメディアのプロファイリングのためのインタラクティブなフレームワークを提案する。
グラフベースのニュースメディアプロファイリングモデル、事前訓練された大規模言語モデル、人間の洞察の強みを組み合わせる。
人間のインタラクションが5つにも満たないので、我々のフレームワークはフェイクや偏見のあるニュースメディアを素早く検出できる。
論文 参考訳（メタデータ） (2023-09-14T02:03:45Z) - 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) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - Fighting Malicious Media Data: A Survey on Tampering Detection and
Deepfake Detection [115.83992775004043]
近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。
本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
論文 参考訳（メタデータ） (2022-12-12T02:54:08Z) - Multi-modal Misinformation Detection: Approaches, Challenges and Opportunities [5.4482836906033585]
ソーシャルメディアプラットフォームは、テキストベースのフォーラムからマルチモーダル環境へと進化している。
誤情報スプレッダーは、最近、テキストや画像などのモダリティ間のコンテキスト接続をターゲットにしている。
マルチモーダルな誤情報検出の分野での新たな研究機会を見出すために,既存のアプローチを分析,分類,そして,それらが直面する課題や欠点に加えて特定する。
論文 参考訳（メタデータ） (2022-03-25T19:45:33Z) - Visual Persuasion in COVID-19 Social Media Content: A Multi-Modal
Characterization [30.710295617831015]
本研究では,マルチモーダルコンテンツにおける説得情報の結果を分析するための計算手法を提案する。
Twitterでシェアされた新型コロナウイルス関連のニュース記事において、人気と信頼性の2つの側面に焦点を当てている。
論文 参考訳（メタデータ） (2021-12-05T02:15:01Z) - MONITOR: A Multimodal Fusion Framework to Assess Message Veracity in
Social Networks [0.0]
ソーシャルネットワークのユーザーは、コンテンツをほとんど抑制せずに投稿し共有する傾向がある。
噂や偽ニュースは急速に広まる可能性がある。
これはソーシャルメディアの信頼性を脅かし、現実の生活に深刻な結果をもたらす可能性がある。
論文 参考訳（メタデータ） (2021-09-06T07:41:21Z) - Cross-Media Keyphrase Prediction: A Unified Framework with
Multi-Modality Multi-Head Attention and Image Wordings [63.79979145520512]
マルチメディア投稿におけるキーワード予測におけるテキストと画像の併用効果について検討する。
複雑なマルチメディアインタラクションを捉えるために,M3H-Att(Multi-Modality Multi-Head Attention)を提案する。
我々のモデルは,従来の注目ネットワークに基づいて,過去の技術状況よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-11-03T08:44:18Z)
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。