論文の概要: Checkworthiness in Automatic Claim Detection Models: Definitions and Analysis of Datasets

• arxiv url: http://arxiv.org/abs/2008.08854v1
• Date: Thu, 20 Aug 2020 09:30:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 03:33:20.758404
• Title: Checkworthiness in Automatic Claim Detection Models: Definitions and Analysis of Datasets
• Title（参考訳）: 自動クレーム検出モデルの保守性:データセットの定義と分析
• Authors: Liesbeth Allein and Marie-Francine Moens
• Abstract要約: ファクトチェッカーのチェックハーネスの定義と特徴についてはほとんど合意がない。 正当性は、正確性と文脈に依存した価値を持つという概念として定義される。 データは高度に不均衡で騒々しいだけでなく、スコープや言語にも制限されている、と論じられている。
• 参考スコア（独自算出の注目度）: 18.20319269401045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Public, professional and academic interest in automated fact-checking has drastically increased over the past decade, with many aiming to automate one of the first steps in a fact-check procedure: the selection of so-called checkworthy claims. However, there is little agreement on the definition and characteristics of checkworthiness among fact-checkers, which is consequently reflected in the datasets used for training and testing checkworthy claim detection models. After elaborate analysis of checkworthy claim selection procedures in fact-check organisations and analysis of state-of-the-art claim detection datasets, checkworthiness is defined as the concept of having a spatiotemporal and context-dependent worth and need to have the correctness of the objectivity it conveys verified. This is irrespective of the claim's perceived veracity judgement by an individual based on prior knowledge and beliefs. Concerning the characteristics of current datasets, it is argued that the data is not only highly imbalanced and noisy, but also too limited in scope and language. Furthermore, we believe that the subjective concept of checkworthiness might not be a suitable filter for claim detection.
• Abstract（参考訳）: ファクトチェック手続きの最初のステップの1つ、いわゆるチェック価値クレームの選択を自動化しようとする多くの人が、過去10年間で、ファクトチェック自動化に対するパブリック、プロフェッショナル、アカデミックの関心が大幅に高まっている。 しかし、ファクトチェッカにおけるチェック適性の定義と特性についてはほとんど一致せず、結果として、チェック適性クレーム検出モデルのトレーニングとテストに使用されるデータセットに反映される。 事実確認組織におけるチェック価値のあるクレーム選択手順の精巧な分析と最先端クレーム検出データセットの分析の後、チェックハーネスは時空間的および文脈に依存した価値を持ち、それが伝達する客観性の正しさを持つという概念として定義される。 これは、先行知識と信念に基づく個人による主張の正当性判断とは無関係である。 現在のデータセットの特徴については、データは高度に不均衡で騒がしいだけでなく、スコープや言語が制限されすぎていると論じられている。 さらに, 主観的な正当性の概念は, クレーム検出に適したフィルタではないと考えられる。

関連論文リスト

• FactLens: Benchmarking Fine-Grained Fact Verification [6.814173254027381]
  我々は、複雑なクレームを個別の検証のためにより小さなサブステートに分割する、きめ細かい検証へのシフトを提唱する。 我々は,ファクトレンス(FactLens)という,ファクトレンス(FactLens)という,詳細な事実検証のベンチマークを紹介した。 この結果から,FactLens自動評価器と人的判断との整合性を示し,評価性能に対する準定値特性の影響について考察した。
  論文  参考訳（メタデータ） (2024-11-08T21:26:57Z)
• Automated Justification Production for Claim Veracity in Fact Checking: A Survey on Architectures and Approaches [2.0140898354987353]
  AFC(Automated Fact-Checking)は、クレーム精度の自動検証である。 AFCは、特に大量のコンテンツが毎日オンラインで生成されることを考えると、誤報から真実を識別するために不可欠である。 現在の研究は、メタデータ分析と言語精査を通してクレームの正確性を予測することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-09T01:54:13Z)
• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)
• Ambiguous Annotations: When is a Pedestrian not a Pedestrian? [6.974741712647656]
  割り当てられたラベルが正しいかどうかを客観的に決定できるとは限らない。 実験の結果,トレーニングから高度にあいまいなデータを除くと,モデルの性能が向上することがわかった。 不明瞭なインスタンスを安全に取り除き、トレーニングデータの保持された代表性を確保するためには、調査中のデータセットとクラスの特性を理解することが不可欠である。
  論文  参考訳（メタデータ） (2024-05-14T17:44:34Z)
• Differential Privacy for Anomaly Detection: Analyzing the Trade-off Between Privacy and Explainability [4.844901225743574]
  我々は、SHAP(SHapley Additive ExPlanations)とDP(差分プライバシー)による説明可能なAI(XAI)の適用のトレードオフを利用する。 以上の結果から,DPによるプライバシの実施が検出精度と説明可能性に重大な影響があることが示唆された。 さらに,説明文の視覚的解釈は,ADアルゴリズムの選択にも影響されていることを示す。
  論文  参考訳（メタデータ） (2024-04-09T09:09:36Z)
• Balancing Fairness and Accuracy in Data-Restricted Binary Classification [14.439413517433891]
  本稿では,4つの実践シナリオ下での精度と公平性のトレードオフをモデル化する枠組みを提案する。 3つのデータセットの実験では、トレードオフを定量化するためのツールとして提案されたフレームワークの有用性が示されている。
  論文  参考訳（メタデータ） (2024-03-12T15:01:27Z)
• Data-SUITE: Data-centric identification of in-distribution incongruous examples [81.21462458089142]
  Data-SUITEは、ID(In-distriion)データの不連続領域を特定するためのデータ中心のフレームワークである。 我々は,Data-SUITEの性能保証とカバレッジ保証を実証的に検証する。
  論文  参考訳（メタデータ） (2022-02-17T18:58:31Z)
• Conformal prediction for the design problem [72.14982816083297]
  機械学習の現実的な展開では、次にテストすべきデータを選択するために予測アルゴリズムを使用します。 このような設定では、トレーニングデータとテストデータの間には、異なるタイプの分散シフトがある。 このような環境で予測の不確実性を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-08T02:59:12Z)
• CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
  ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。 本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。 私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
  論文  参考訳（メタデータ） (2021-10-04T17:59:31Z)
• Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
  データ管理の統合コンポーネントにおける公平性について検討する。 本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
  論文  参考訳（メタデータ） (2020-06-10T20:20:10Z)
• Generating Fact Checking Explanations [52.879658637466605]
  まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。 本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。 この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T05:23:25Z)

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。