論文の概要: Graph-based Modeling of Online Communities for Fake News Detection
- arxiv url: http://arxiv.org/abs/2008.06274v4
- Date: Mon, 23 Nov 2020 15:07:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-30 16:34:48.208420
- Title: Graph-based Modeling of Online Communities for Fake News Detection
- Title（参考訳）: 偽ニュース検出のためのオンラインコミュニティのグラフベースモデリング
- Authors: Shantanu Chandra, Pushkar Mishra, Helen Yannakoudakis, Madhav
Nimishakavi, Marzieh Saeidi, Ekaterina Shutova
- Abstract要約: グラフニューラルネットワーク(GNN)に基づく新しいソーシャルコンテキスト対応フェイクニュース検出フレームワークを提案する。
提案フレームワークは,1) 配信されたコンテンツの性質,2) ユーザのコンテンツ共有行動,3) 利用者のソーシャルネットワークに関する情報を集約する。
筆者らは,本フレームワークが既存のテキストベースの手法よりも大幅に向上し,二つのドメインの偽ニュースデータセットの最先端結果が得られることを実証的に実証した。
- 参考スコア（独自算出の注目度）: 23.12016616717835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over the past few years, there has been a substantial effort towards
automated detection of fake news on social media platforms. Existing research
has modeled the structure, style, content, and patterns in dissemination of
online posts, as well as the demographic traits of users who interact with
them. However, no attention has been directed towards modeling the properties
of online communities that interact with the posts. In this work, we propose a
novel social context-aware fake news detection framework, SAFER, based on graph
neural networks (GNNs). The proposed framework aggregates information with
respect to: 1) the nature of the content disseminated, 2) content-sharing
behavior of users, and 3) the social network of those users. We furthermore
perform a systematic comparison of several GNN models for this task and
introduce novel methods based on relational and hyperbolic GNNs, which have not
been previously used for user or community modeling within NLP. We empirically
demonstrate that our framework yields significant improvements over existing
text-based techniques and achieves state-of-the-art results on fake news
datasets from two different domains.
- Abstract（参考訳）: ここ数年、ソーシャルメディアプラットフォーム上で偽ニュースを自動的に検出する取り組みが盛んに行われてきた。
既存の研究は、オンライン投稿を広めるための構造、スタイル、コンテンツ、パターン、そしてそれらと相互作用するユーザーの人口特性をモデル化している。
しかし、投稿と対話するオンラインコミュニティの特性のモデル化には注意が向けられていない。
本稿では,グラフニューラルネットワーク(gnns)に基づく,新たなソーシャルコンテキスト認識型偽ニュース検出フレームワーク「safe」を提案する。
提案フレームワークは,次のような情報を集約する。
1)コンテンツの性質が普及している。
2)ユーザのコンテンツ共有行動、及び
3) それらのユーザのソーシャルネットワーク。
さらに,この課題に対する複数のGNNモデルの体系的比較を行い,これまでNLP内でユーザやコミュニティモデリングに使用されていなかったリレーショナルおよび双曲型GNNに基づく新しい手法を導入する。
このフレームワークが既存のテキストベースの技術よりも大幅に改善され、2つの異なるドメインの偽ニュースデータセットで最先端の結果が得られることを実証的に実証した。
関連論文リスト
- 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) - No Place to Hide: Dual Deep Interaction Channel Network for Fake News
Detection based on Data Augmentation [16.40196904371682]
本稿では,意味,感情,データ強化の観点から,偽ニュース検出のための新しいフレームワークを提案する。
セマンティックと感情の2つのディープインタラクションチャネルネットワークは、より包括的できめ細かなニュース表現を得るために設計されている。
実験の結果,提案手法は最先端手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-03-31T13:33:53Z) - Modelling Social Context for Fake News Detection: A Graph Neural Network
Based Approach [0.39146761527401425]
フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。
本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
論文 参考訳（メタデータ） (2022-07-27T12:58:33Z) - Evidential Temporal-aware Graph-based Social Event Detection via
Dempster-Shafer Theory [76.4580340399321]
ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。
ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。
ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
論文 参考訳（メタデータ） (2022-05-24T16:22:40Z) - A comparative analysis of Graph Neural Networks and commonly used
machine learning algorithms on fake news detection [0.0]
低コスト、ソーシャルプラットフォーム経由のシンプルなアクセシビリティ、低予算のオンラインニュースソースが、偽ニュースの普及に寄与する要因の1つだ。
既存の偽ニュース検出アルゴリズムのほとんどは、ニュースコンテンツのみに焦点を当てている。
エンゲージメントのあるユーザーによる事前投稿やソーシャル活動は、ニュースに対する見解に関する豊富な情報を提供し、フェイクニュースの識別を改善する重要な能力を持っている。
論文 参考訳（メタデータ） (2022-03-26T18:40:03Z) - 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) - FR-Detect: A Multi-Modal Framework for Early Fake News Detection on
Social Media Using Publishers Features [0.0]
ニュース分野におけるこれらのメディアの優位性にもかかわらず、制御と検証機構の欠如がフェイクニュースの普及につながっている。
早期検出機能を備えたユーザ関連・コンテンツ関連機能を用いた高精度なマルチモーダルフレームワークFR-Detectを提案する。
実験によると、パブリッシャーの機能はコンテンツベースのモデルの性能を最大13%改善し、精度とF1スコアを29%向上させることができる。
論文 参考訳（メタデータ） (2021-09-10T12:39:00Z) - TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。
我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
論文 参考訳（メタデータ） (2021-05-17T15:33:25Z) - Learning Intents behind Interactions with Knowledge Graph for
Recommendation [93.08709357435991]
知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。
既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。
本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
論文 参考訳（メタデータ） (2021-02-14T03:21:36Z) - Adversarial Active Learning based Heterogeneous Graph Neural Network for
Fake News Detection [18.847254074201953]
新規な偽ニュース検出フレームワークであるAdversarial Active Learning-based Heterogeneous Graph Neural Network(AA-HGNN)を提案する。
AA-HGNNは、特にラベル付きデータのあいまいさに直面している場合、学習性能を高めるためにアクティブな学習フレームワークを利用する。
2つの実世界のフェイクニュースデータセットによる実験により、我々のモデルはテキストベースのモデルや他のグラフベースのモデルより優れていることが示された。
論文 参考訳（メタデータ） (2021-01-27T05:05:25Z) - Graph Enhanced Representation Learning for News Recommendation [85.3295446374509]
本稿では,ユーザとニュースの表現学習を強化するニューズレコメンデーション手法を提案する。
本手法では,歴史的ユーザクリック行動から構築した二部グラフのノードとして,ユーザとニュースをみなす。
論文 参考訳（メタデータ） (2020-03-31T15:27:31Z)
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。